1 定义画图函数，用来可视化数据分布 （注：jupyternotebook来编写的代码） 2 KNN实现 3 运行结果 ...
分类：
其他好文 时间：
2019-07-27 12:50:43
阅读次数：
112
主成分分析原理与实现 主成分分析是一种矩阵的压缩算法，在减少矩阵维数的同时尽可能的保留原矩阵的信息，简单来说就是将 $n×m$的矩阵转换成$n×k$的矩阵，仅保留矩阵中所存在的主要特性，从而可以大大节省空间和数据量。最近课上学到这个知识，感觉很有意思，就在网上找一些博客进行学 ...
分类：
其他好文 时间：
2019-07-23 23:55:56
阅读次数：
266
k邻近算法（k-nearest neighbors）是一种懒惰算法，不需要进行训练，每次对一个新的未知的数据，对所有已知的数据求欧氏距离，在小于一定距离x之内的样本进行级数，计数最多的就认为未知数据的分类。 KNN的复杂度很高，每次需要遍历所有的数据，并且将每一纬度都进行计算，而且距离x选取的不同会 ...
分类：
其他好文 时间：
2019-07-23 15:28:35
阅读次数：
109
机器学习”小憩“——总结应用场景 常见的机器学习模型：感知机，线性回归，逻辑回归，支持向量机，决策树，随机森林，GBDT，XGBoost，贝叶斯，KNN，K-means等； 常见的机器学习理论：过拟合问题，交叉验证问题，模型选择问题，模型融合问题等； K近邻：算法采用测量不同特征值之间的距离的方法进 ...
分类：
编程语言 时间：
2019-07-20 13:00:47
阅读次数：
162
前言：机器学习所使用的数据大多具有很多的特征，想要直观的对数据的分布和特征之间的关系进行观测，需要将数据的主要特征提取出来，降低到三维及三维以下的空间来展示。 PCA(主成分分析)是常用的用于降维的方法，本文通过PCA对数据进行降维，再对降维后的数据用K-means算法聚类，以达到在低维空间可直观观 ...
分类：
其他好文 时间：
2019-07-19 21:20:35
阅读次数：
141
在主成分分析（PCA）原理总结中，我们对主成分分析(以下简称PCA)的原理做了总结，下面我们就总结下如何使用scikit-learn工具来进行PCA降维。# 一、scikit-learn PCA类介绍 在scikit-learn中，与PCA相关的类都在sklearn.decomposition包中。... ...
分类：
其他好文 时间：
2019-07-19 19:03:33
阅读次数：
95
奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SV... ...
分类：
其他好文 时间：
2019-07-19 19:01:10
阅读次数：
106
主成分分析（Principal components analysis，以下简称PCA）是最重要的降维方法之一。在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。一般我们提到降维最容易想到的算法就是PCA，下面我们就对PCA的原理做一个总结。# 一、PCA的思想 PCA顾名思义，就是找出数据里最... ...
分类：
其他好文 时间：
2019-07-19 18:45:47
阅读次数：
84
局部线性嵌入(Locally Linear Embedding，以下简称LLE)也是非常重要的降维方法。和传统的PCA，LDA等关注样本方差的降维方法相比，LLE关注于降维时保持样本局部的线性特征，由于LLE在降维时保持了样本的局部特征，它广泛的用于图像图像识别，高维数据可视化等领域。下面我们就对L... ...
分类：
其他好文 时间：
2019-07-19 18:41:00
阅读次数：
107
