随机森林是将bagging和decision tree结合在一起的算法。 random forest同样也继承了两个算法的优点，但是同时也解决了过拟合的缺点。 通过降维的方式来提高运算的速度。 每一个低维度的空间都可以看成是原feature的一个线性组合，由高维度向低维度的转换的过程是随机的，这样又 ...
分类：
其他好文 时间：
2016-10-08 16:11:36
阅读次数：
215
大概用了一个月，Andrew Ng老师的机器学习视频断断续续看完了，以下是个人学习笔记，入门级别，权当总结。笔记难免有遗漏和误解，欢迎讨论。 鸣谢：中国海洋大学黄海广博士提供课程视频和个人笔记，在此深表感谢！ ...
分类：
其他好文 时间：
2016-10-07 13:48:11
阅读次数：
139
逻辑回归是最常见的二分类算法之一，由于是有监督学习，训练阶段需要输入标签，而同时在变量较多的情况下，需要先经过一些降维处理，本文主要讲解如果通过R语言来自动化实现变量的降维以及变量转换，训练，测试，覆盖率以及准确度效果评估，以及生成最终评分配置表，而在标签与训练数据在可以自动化生成的情况下，配置表是... ...
分类：
编程语言 时间：
2016-10-06 13:04:19
阅读次数：
833
PCA作用： 降维，PCA试图在力保数据信息丢失最少的原则下，用较少的综合变量代替原本较多的变量，而且综合变量间互不相关，减少冗余以及尽量消除噪声. PCA数学原理： 设 是维向量 想经过线性变换得到其中F的各行向量相互独立，即 由于是实对称矩阵，因此存在正交矩阵A满足以上关系，令，即得，得 只根据 ...
分类：
其他好文 时间：
2016-09-25 13:10:20
阅读次数：
253
PCA主成份分析 PCA（Principal Component Analysis）主要是为了做数据降维，数据从原来的坐标系转换到登录新的坐标系，新坐标系的选择是由数据本身决定的，第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴的选择和第一个坐标轴正交且具有最大方差，该过程一直重复，重 ...
分类：
编程语言 时间：
2016-09-21 21:21:22
阅读次数：
169
题目链接：http://acm.neu.edu.cn/hustoj/problem.php?id=1702 题目大意：就是问每个人三个属性同时不低于另外几个人。。。。人不分先后 经典的三维偏序问题 解题思路：CDQ分治练手题 CDQ分治就是将前半截对后半截的影响拿出来，把偏序问题降维。 三维的经过一 ...
分类：
其他好文 时间：
2016-09-05 21:04:31
阅读次数：
413
转载地址：http://blog.csdn.net/watkinsong/article/details/38536463 1. 前言 PCA ： principal component analysis ( 主成分分析) 最近发现我的一篇关于PCA算法总结以及个人理解的博客的访问量比较高， 刚好目 ...
分类：
编程语言 时间：
2016-08-31 10:34:24
阅读次数：
586
题意：用N个三角形最多可以把平面分成几个区域? idea：模拟简单数据，用已知数据加待定系数法确认，从高维降维即可。 代码： #include <bits/stdc++.h> using namespace std; int main() { int t; cin>>t; while(t--) { ...
分类：
其他好文 时间：
2016-08-26 18:04:44
阅读次数：
210
始终贯彻数据分析的一个大问题就是对数据和结果的展示，我们都知道在低维度下数据处理比较方便，因而数据进行简化成为了一个重要的技术。对数据进行简化的原因： 1.使得数据集更易用使用。2、降低很多算法的计算开销。3、去除噪音、4.使得结果易懂 这里我们关心的数据降维技术为主成分分析（PCA）。在PCA中， ...
分类：
其他好文 时间：
2016-08-22 21:40:06
阅读次数：
218
一、引入
主成分分析（PCA）是一种降维算法，能大大加速你的无监督特征学习算法。更重要的是，理解PCA能让我们后面实现白化，这是一个对所有算法适用的重要的预处理步骤。
假设你在图像上训练你的算法。不过输入稍微有点冗余，因为图像中相邻的像素值是高度相关的。具体来说，假设我们在16*16的灰度图像块上训练。那么x∈R256是256维的向量，一个特征xj对应着图像中每个像...
分类：
其他好文 时间：
2016-08-14 10:23:40
阅读次数：
365
