PCA (Principal Component Analysis) 主成份分析 也称为卡尔胡宁-勒夫变换（Karhunen-Loeve Transform），是一种用于探索高维数据结构的技术。PCA通常用于高维数据集的探索与可视化。还可以用于数据压缩，数据预处理等。PCA可以把可能具有相关性的高维 ...
分类：
编程语言 时间：
2017-08-22 01:50:08
阅读次数：
521
机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达， y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。使用降 ...
分类：
编程语言 时间：
2017-08-22 01:41:24
阅读次数：
161
PCA 的数学原理和可视化效果 本文结构： 什么是 PCA 数学原理 可视化效果 1. 什么是 PCA PCA (principal component analysis, 主成分分析) 是机器学习中对数据进行降维的一种方法。 例如，我们有这样的交易数据，它有这几个特征：(日期, 浏览量, 访客数, ...
分类：
其他好文 时间：
2017-08-19 10:56:07
阅读次数：
181
作者感言：数学不好，遇到算法问题分分钟狗带，毫无转寰的余地-_-||| 最近心血来潮，看了相似图片的搜索，最最最初级的方法即提取汉明码，之后匹配汉明距离。当然，在数以亿计的汉明码中，要筛出需要的图片，计算量太大了，满足不了生产要求。作为数学小白，此时完全没折了。这时不小心看到“降维”一说，可以把降维 ...
分类：
Web程序 时间：
2017-08-17 14:44:03
阅读次数：
136
sklearn和numpy.linalg.eig使用pca主成分分析降维 ...
分类：
其他好文 时间：
2017-08-17 00:44:27
阅读次数：
559
特征值分解 神秘值分解SVD Python实现SVD 低阶近似 神秘值选取策略 类似度计算 基于物品类似度 基于物品类似度的推荐步骤 利用物品类似度预測评分 基于物品类似度的推荐结果 利用SVD降维 利用SVD降维前后结果比較 基于SVD的图像压缩–阈值处理 基于SVD的图像压缩 $(functio ...
分类：
其他好文 时间：
2017-08-15 17:18:57
阅读次数：
212
介绍 Waffles 英文原意是蜂蜜甜饼，在这里却指代一个很强大的机器学习的开源工具包。Waffles里包括的算法特别多。涉及机器学习的方方面面，推荐系统位于当中的Waffles_recommend tool，大概仅仅占整个Waffles的1/10的内容，其他还有分类、聚类、採样、降维、数据可视化、 ...
分类：
其他好文 时间：
2017-08-11 23:09:16
阅读次数：
199
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的 ...
分类：
其他好文 时间：
2017-08-11 17:49:58
阅读次数：
209
介绍 基于深度学习和稀疏表达的人脸识别算法 1 利用VGGFace提取人脸特征 2 PCA对人脸特征进行降维 3 稀疏表达的人脸匹配 Code 1 介绍 本文将介绍一种基于深度学习和稀疏表达的人脸识别算法。首先。利用深度学习框架(VGGFace)提取人脸特征；其次，利用PCA对提取的特征进行降维；最 ...
分类：
编程语言 时间：
2017-08-08 16:39:52
阅读次数：
287
PCA的数学原理(转) 1 年前 PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程 ...
分类：
其他好文 时间：
2017-07-25 21:22:56
阅读次数：
198
