监督学习,supervisedlearning无监督学习,unsupervisedlearning分类,classificat回归,regression降维,dimensionalityreduction聚类,clustering特征向量,featurevector编译语言,compliedlanguages解释型语言,interpretedlanguages解释器,interpreter布尔值,boolean元组,tuple算术..
分类：
编程语言 时间：
2017-01-05 19:01:42
阅读次数：
321
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：
2017-01-05 16:54:17
阅读次数：
208
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。 1. 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：
2016-12-31 21:50:57
阅读次数：
477
在对数据进行预处理时，我们经常会遇到数据的维数非常之大，如果不进行相应的特征处理，那么算法的资源开销会很大，这在很多场景下是我们不能接受的。而对于数据的若干维度之间往往会存在较大的相关性，如果能将数据的维度之间进行相应的处理，使它们在保留最大数据信息的同时降低维度之间的相关性，就可以达到降维的效果。 ...
分类：
其他好文 时间：
2016-12-24 19:55:12
阅读次数：
552
作者：Edwin Jarvis 特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。 特征选择主要有两个功能： 减少特征数量、降维，使模型泛化能力更强，减少过拟合 增强对特征和特征值 ...
分类：
其他好文 时间：
2016-12-23 16:27:29
阅读次数：
1248
http://www.52ml.net/1917.html 主题模型LDA（latent dirichlet allocation）的应用还是很广泛的，之前我自己在检索、图像分类、文本分类、用户评论的主题词抽取等都用过，做feature、降维等。例如可以用主题维度来表示原来的字典维度，大大的降低了文 ...
分类：
其他好文 时间：
2016-12-22 14:55:29
阅读次数：
186
《机器学习系统设计》是一本不错的机器学习实战入门的书籍。第一章介绍了用于机器学习的Python相关工具，接下来分别用实战型例子讲解聚类、分类、回归、模式识别、降维等机器学习的主要的几种方法。 机器学习就是教机器自己来完成任务，机器学习的目标就是通过若干示例让机器学会完成任务。 像其他工程一样，设计一 ...
分类：
其他好文 时间：
2016-12-21 02:09:37
阅读次数：
138
【引言】--PCA降维的作用 面对海量的、多维（可能有成百上千维）的数据，我们应该如何高效去除某些维度间相关的信息，保留对我们“有用”的信息，这是个问题。 PCA给出了我们一种解决方案和思路。 PCA给我的第一印象就是去相关，这和数据（图像、语音）压缩的想法是一致的。当然，PCA像是一种有损的压缩算 ...
分类：
其他好文 时间：
2016-12-19 21:26:29
阅读次数：
918
最近了解了一种用 扫描线算法检测碰撞 的流程 原来不是叫扫描线算法。。。 拿 2D 游戏，游戏中的物体都是 AABB 盒来说（3D 游戏也是可以用这种方式的。2D 游戏分成 x、y 两个维度，3D 分成 x、y、z 三个维度） 1 首先以 x 轴 方向列一条直线 line，将所有的物体都投影到该直线 ...
分类：
其他好文 时间：
2016-12-17 03:02:08
阅读次数：
166
转载请声明出处：http://blog.csdn.net/zhongkelee/article/details/44064401 一、PCA简介 1. 相关背景 上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后，颇有体会。最近在做主成分分析和奇异值分解方面的项目，所以记录一 ...
分类：
其他好文 时间：
2016-12-12 23:46:00
阅读次数：
257
