聚类——无监督学习的一种算法 K-means算法 最为广泛使用的聚类算法 选择两个聚类中心 簇分配：根据每个样本更接近哪个聚类中心进行样本的分配 簇中心移动：计算出所有的红点类的均值点，移动原始聚类中心到这个点，蓝点类同理 进行不断地迭代直到收敛 输入：K个簇类和训练集样本数据 注意：不需要X0项， ...
分类：
系统相关 时间：
2018-10-30 13:52:09
阅读次数：
292
在做数据处理时，需要用到不同的手法，如特征标准化，主成分分析，等等会重复用到某些参数，sklearn中提供了管道，可以一次性的解决该问题 先展示先通常的做法 先对数据标准化，然后做主成分分析降维，最后做回归预测 现在使用管道 Pipeline对象接收元组构成的列表作为输入，每个元组第一个值作为变量名 ...
分类：
编程语言 时间：
2018-10-28 14:56:42
阅读次数：
246
模型结构 首先是模型图： 传统的注意力机制无法保存多层原始的特征，根据DenseNet的启发，作者将循环网络的隐层的输出与最后一层连接。 另外加入注意力机制，代替原来的卷积。由于最后的特征维度过大，加入AE降维。 Word Representation Layer 层 自然语言的任务首先就是输入层， ...
分类：
其他好文 时间：
2018-10-24 17:46:43
阅读次数：
174
一个非常常见的问题就是遇到的数据是多维度数据，维度过高会导致模型极度的复杂，折衷的法案就是降维，然后再Q聚类、分类、回归。降维强调在不损失准确性的前提下来降低维度（选出最优特征） PCA是最常见降维算法，它寻找线性不相关的特征子集（主要因子），另外还有LDA（Linear Discriminant ...
分类：
其他好文 时间：
2018-10-19 16:07:30
阅读次数：
296
Pca首先 1.对数据进行去均值 2.构造一个基本的协方差矩阵1/m(X)*X^T 3对协方差矩阵进行变化，得到对角化矩阵，即对角化上有数值，其他位置上的数为0(协方差为0)，即求特征值和特征向量的过程 4.求得特征向量的单位化矩阵，单位化特征向量矩阵*原始数据（去均值后的）即降维操作,单位化特征向 ...
分类：
编程语言 时间：
2018-10-14 00:20:51
阅读次数：
147
（1）卷积：对图像元素的矩阵变换，是提取图像特征的方法，多种卷积核可以提取多种特征。一个卷积核覆盖的原始图像的范围叫做感受野（权值共享）。一次卷积运算提取的特征往往是局部的，难以提取出比较全局的特征，因此需要在一层卷积基础上继续做卷积计算，这也就是多层卷积。 （2）池化：降维的方法，按照卷积计算得出 ...
分类：
其他好文 时间：
2018-10-13 21:44:50
阅读次数：
210
本文转自微信公众号：InfoQ（ID：infoqchina），编辑：小智。做 InfoQ 公众号这几年来，接触到的一线开发可谓数不胜数。这些人向我提过很多问题，技术问题有之，职业规划有之，撩妹脱单有之（虽然我都解答不了…），但出现频率最高的，却还是这些问题：“我可以写代码一辈子吗？”、“我已经三十多... ...
分类：
其他好文 时间：
2018-10-13 02:52:33
阅读次数：
220
CNN - Convolutional Neural Networks 是近些年在机器视觉领域很火的默许部分，最先由Yan Lecun提出。 如果想学细节 可看Li Feifei CS231n课程 如何工作？ 给一张图片，每个圆负责处理图片的一部分。 这些圆就组成了一个filter。 filter可 ...
分类：
其他好文 时间：
2018-10-12 14:13:52
阅读次数：
187
1. 引言 降维是对数据高维度特征的一种预处理方法。降维是将高纬度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。在实际的生产和应用中，降维在一定的信息损失范围内，可以节省大量的时间和成本。 PCA（principal compount analysis），即主 ...
分类：
编程语言 时间：
2018-10-07 23:26:33
阅读次数：
207
title: LLE (locally linear embedding) LLE (locally linear embedding) 参考： "LLE原理总结" 个人理解 PCA 降维的缺陷 ：高维空间各个样本之间存在一些线性关系，降维之后并没有保留这些关系。比如，在高维空间中，其最短路径并不是 ...
分类：
其他好文 时间：
2018-10-07 11:28:08
阅读次数：
837
