摘要： 1.特征选择的功能 2.封装特征选择（Wapper Feature Select） 3.过滤特征选择（Filter Feature Select） 4.嵌入特征选择（Embeding Feature Select） 内容： 1.特征选择的功能 2.封装特征选择（Wapper Feature ...
分类：
其他好文 时间：
2016-12-07 01:53:57
阅读次数：
400
原文地址：http://www.cnblogs.com/jerrylead/archive/2011/04/19/2021071.html 独立成分分析（Independent Component Analysis） 1. 问题： 1、上节提到的PCA是一种数据降维的方法，但是只对符合高斯分布的样本 ...
分类：
其他好文 时间：
2016-12-06 13:31:40
阅读次数：
191
要求：使用10-fold交叉验证方法实现SVM的对人脸库识别，列出不同核函数参数对识别结果的影响，要求画对比曲线。 使用Python完成，主要参考文献【4】，其中遇到不懂的功能函数一个一个的查官方文档和相关资料。其中包含了使用Python画图，遍历文件，读取图片，PCA降维，SVM，交叉验证等知识。... ...
分类：
编程语言 时间：
2016-12-03 21:06:37
阅读次数：
758
转自：http://blog.csdn.net/malefactor/article/details/51078135 CNN是目前自然语言处理中和RNN并驾齐驱的两种最常见的深度学习模型。图1展示了在NLP任务中使用CNN模型的典型网络结构。一般而言，输入的字或者词用Word Embedding的 ...
分类：
其他好文 时间：
2016-11-25 17:47:59
阅读次数：
265
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。这里以处理自然图像为例作解释。 1.计算协方差矩阵： 按照通常约束，x为特征变量，上边表示样本数目，下标表示特征数目。这里样本数为m。 ...
分类：
其他好文 时间：
2016-11-24 19:11:25
阅读次数：
399
PCA（Principal Component Analysis）主成成分分析法，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 ...
分类：
其他好文 时间：
2016-11-18 00:07:14
阅读次数：
232
归一化处理 数据降维 数据规约产生更小但保持数据完整性的新数据集。在规约后的数据集上进行数据分析和挖掘将更有效率。 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，目前最多使用向量表 ...
分类：
其他好文 时间：
2016-11-13 19:37:12
阅读次数：
357
大家看了之后，可以点一波关注或者推荐一下，以后我也会尽心尽力地写出好的文章和大家分享。 本文先导：在我们平时看NBA的时候，可能我们只关心球员是否能把球打进，而不太关心这个球的颜色，品牌，只要有3D效果，看到球员扣篮的动作就可以了，比如下图： 如果我们直接对篮球照片进行几百万像素的处理，会有几千维甚 ...
分类：
编程语言 时间：
2016-11-07 02:13:57
阅读次数：
363
因项目上需要用到特征提取算法，突然想起早些时候看吴军的数学之美里有讲到SVD分解，当时就大致浏览了下，今天在这里用图像作为例子加深下印象，显示下svd特征提取、降维效果。 奇异值分解（Singular Value Decomposition）定理：设A为m*n阶复矩阵，则存在m阶酉阵U和n阶酉阵V， ...
分类：
其他好文 时间：
2016-10-19 13:54:07
阅读次数：
193
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：
2016-10-11 11:28:50
阅读次数：
323
