PCA最大化单个维度的区分性，减少维度之间的影响。区分性度量：方差维度之间影响：协方差因此用矩阵表示之后就是协方差矩阵的特征值和特征向量。1.构造矩阵。2.求出矩阵的协方差矩阵。3.求出协方差矩阵的特征值和特征向量，即在这些方向上不变。4.选出其中的几个方向能够比较完整表示所有的向量。5.计算在新坐标轴上的坐标ref:http://www.cnblogs.com/CBDoctor/archive/...
分类：
其他好文 时间：
2016-05-13 02:36:08
阅读次数：
141
二、操作基础 %%取余 %/%整数除法 (1)eigen(...)求解方阵的特征值和特征向量 (2)solve(D,A)求解DX=A (3)data<-list(...)取里面的对象data[["列名称"]]；data[[下标]]；data$列名称 (4)unlist(列表对象)把列表对象转化为向量 ...
分类：
编程语言 时间：
2016-05-10 22:00:01
阅读次数：
433
感知机(Perceptron)是二分类问题的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。 感知机于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机于1957年由Rosenblatt提出，是神经网络和支持向量机的基础。 在这里，不用《统计学习方 ...
分类：
其他好文 时间：
2016-05-08 16:51:49
阅读次数：
785
一、 K邻近算法思想：存在一个样本数据集合，称为训练样本集，并且每个数据都存在标签，即我们知道样本集中每一数据（这里的数据是一组数据，可以是n维向量）与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征（向量的每个元素）与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似的的 ...
分类：
编程语言 时间：
2016-05-02 19:47:28
阅读次数：
322
特征值分解如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式：
这时候λ就被称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解成下面的形式：
其中Q是这个矩阵A的特征向量组成的矩阵，Σ是一个对角阵，每一个对角线上的元素就是一个特征值。我这里引用了一些参考文献中的内容来说明一下。首先，要明确的是，一个矩阵其实就是...
分类：
其他好文 时间：
2016-04-29 18:24:09
阅读次数：
123
特征值分解如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式：
这时候λ就被称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解成下面的形式：
其中Q是这个矩阵A的特征向量组成的矩阵，Σ是一个对角阵，每一个对角线上的元素就是一个特征值。我这里引用了一些参考文献中的内容来说明一下。首先，要明确的是，一个矩阵其实就是...
分类：
其他好文 时间：
2016-04-26 20:41:54
阅读次数：
248
2 Learning to Answer Yes/No 2.1 Perceptron Hypothesis Set 根据信用卡问题引入PLA算法。 有以下特征： 抽象一下，成为特征向量x，根据x和权重的w的内积相对于阈值的大小决定输出标签的正负（正则赋予信用卡，负不赋予信用卡）： 具体而言，感知机（ ...
分类：
其他好文 时间：
2016-04-17 22:04:08
阅读次数：
168
来自OpenCV2.3.1 sample/c/mushroom.cpp 1.首先读入agaricus-lepiota.data的训练样本。 样本中第一项是e或p代表有毒或无毒的标志位；其他是特征，可以把每个样本看做一个特征向量； cvSeqPush( seq, el_ptr );读入序列seq中，每 ...
分类：
其他好文 时间：
2016-04-17 20:39:51
阅读次数：
258
决策树是一种常用的监督学习方法，它根据输入的训练集各样本的特征向量和标签从上到下建立一棵树，每个非叶结点是一个特征，每个叶结点是一个标签，结点之间的边是特征的一个取值。决策的过程就像程序流经层层嵌套的if-else语句，最后进到一个不再细分的块（叶结点）里，从而预测出样本的归类。 决策树的优点是简单 ...
分类：
其他好文 时间：
2016-04-11 10:11:15
阅读次数：
103
给定一组有限维向量空间V的基{e1, e2, ... en}，一个线性变换T: V->V'的关于这组基的“矩阵分量”[T(i,j)]，定义为: T ej = sigma(i = 1 to n, T(i,j) ei) = T(1,j) e1 + T(2,j) e2 + ... T(n,j) en也就是 ...
分类：
其他好文 时间：
2016-04-09 23:35:18
阅读次数：
195
