数据挖掘主要有以下知识点 1.统计分析 主要包括回归/逻辑回归分析，主成分分析/因子分析 等 其中主成分/因子分析：对多维变量进行降维，以选择合适建模变量的方法 回归逻辑/回归分析：基于一组相关数据建立自变量与因变量的确定关系，并以此研究统计意义与随机变量的不确定性关系的方法 2.聚类分析 根据对象 ...
分类：
其他好文 时间：
2017-06-28 21:40:28
阅读次数：
129
一，引言 降维是对数据高维度特征的一种预处理方法。降维是将高维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，可以为我们节省大量的时间和成本。降维也成为了应用非常广泛的数据预处理方法。 降维具有如下一些优点： ...
分类：
其他好文 时间：
2017-06-25 12:45:24
阅读次数：
163
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：
2017-06-22 10:12:25
阅读次数：
193
对输入数据，维度为2时，想要把数据降维1维： 数据的主方向就是旋转数据的第一维。因此，若想把这数据降到一维，可令： 数据已经进行预处理（零均值），使得每个特征和具有相同的均值和方差。 PCA算法将寻找一个低维空间来投影我们的数据。从下图中可以看出，是数据变化的主方向，而 是次方向。 为更形式化地找出 ...
分类：
其他好文 时间：
2017-06-22 01:20:04
阅读次数：
200
今天用SPSS对一些数据进行主成分分析，SPSS 19.0进行主成分分析的方法是：分析——降维——因子分析，可是当导入一些变量的时候。就会弹出窗体说“列表中不同意存在字符串变量”，能够点击：视图——变量，看到各个变量的类型，发现确实有些变量是字符串类型的。我的数据是以csv格式保存的，但SPSS在导 ...
分类：
其他好文 时间：
2017-06-13 16:51:58
阅读次数：
709
pca算法: 算法原理： pca利用的两个维度之间的关系和协方差成正比，协方差为０时，表示这两个维度无关,如果协方差越大这表明两个维度之间相关性越大，因而降维的时候， 都是找协方差最大的。 代码： ...
分类：
编程语言 时间：
2017-06-10 20:24:10
阅读次数：
200
这道题是区间更新线段树模板题 记录一下降维线段树 正常线段树是倍增的 rt<<1 rt<<1+1 这个线段树用了getid的方法使线段树降了一维 ...
分类：
其他好文 时间：
2017-06-06 20:50:34
阅读次数：
191
无监督学习 1.无监督学习的目标： 利用无标签的数据学习数据的分布或数据与数据之间的关系被称为无监督学习。 1.有监督学习和无监督学习的最大区别在于数据是否有标签 2.无监督学习最常应用的场景是聚类(clustering)和降维(Dimension Reduction) 2.聚类(clusterin ...
分类：
其他好文 时间：
2017-06-04 18:43:10
阅读次数：
332
引言 主成分分析（PCA）是一种能够极大提升无监督特征学习速度的数据降维算法。更重要的是，理解PCA算法，对实现白化算法有很大的帮助，很多算法都先用白化算法作预处理步骤。 假设你使用图像来训练算法，因为图像中相邻的像素高度相关，输入数据是有一定冗余的。具体来说，假如我们正在训练的16x16灰度值图像 ...
分类：
其他好文 时间：
2017-06-04 16:59:39
阅读次数：
287
特征选择很重要，除了人工选择，还可以用其他机器学习方法，如逻辑回归、随机森林、PCA、LDA等。 分享一下逻辑回归做特征选择 特征选择包括: 特征升维 特征降维 特征升维 如一个样本有少量特征，可以升维，更好的拟合曲线 特征X 升维X/X**2/ 效果验证，做回归 加特征x**2之后的效果 特征X1 ...
分类：
其他好文 时间：
2017-06-01 16:37:22
阅读次数：
2513
