PCA 主成分分析方法，LDA 线性判别分析方法，可以认为是有监督的数据降维。下面的代码分别实现了两种降维方式: 结果如下 ...
分类：
其他好文 时间：
2016-06-25 14:57:36
阅读次数：
408
Principal Component Analysis 方差：数据与平均数之差平方和的平均数。更多详见
Principal Component Analysis(PCA)是最常用的线性降维方法，它的目标是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性。通俗的理解，如果把所有的点都映射到一起，那么几...
分类：
系统相关 时间：
2016-06-12 10:54:56
阅读次数：
272
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之间的理解...
分类：
其他好文 时间：
2016-06-12 03:17:06
阅读次数：
324
1. 基础回顾 特别详细的总结，参考 http://blog.csdn.net/wangzhiqing3/article/details/7446444 矩阵的奇异值分解 SVD 矩阵与向量相乘的结果与特征值，特征向量有关。 数值小的特征值对矩阵-向量相乘的结果贡献小 1）低秩近似 2）特征降维 2 ...
分类：
编程语言 时间：
2016-06-08 15:54:45
阅读次数：
852
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。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。
当然我并不打算把文章写成纯数...
分类：
其他好文 时间：
2016-05-28 17:47:16
阅读次数：
350
简介要理解什么是降维，书上给出了一个很好但是有点抽象的例子。说，看电视的时候屏幕上有成百上千万的像素点，那么其实每个画面都是一个上千万维度的数据；但是我们在观看的时候大脑自动把电视里面的场景放在我们所能理解的三维空间来理解，这个很自然的过程其实就是一个降维（dimensionallity reduc... ...
分类：
其他好文 时间：
2016-05-26 12:58:13
阅读次数：
134
10. Dimensionality Reduction Content 10. Dimensionality Reduction 10.1 Motivation 10.1.1 Motivation one: Data Compression 10.2.2 Motivation two: Visua ...
分类：
其他好文 时间：
2016-05-24 01:43:21
阅读次数：
232
matlab 中自带的函数就不必怀疑。 princomp：principal componet analysis (PCA). [COEFF,SCORE,latent,tsquare]=princomp(X); 参数： %%%%%%%%%%%%%%%%%% INPUT: X是数据：n*p,其中n代表 ...
分类：
其他好文 时间：
2016-05-18 12:32:19
阅读次数：
596
有没有想过这样的问题，计算机是如何把3维的模型显示到2维的屏幕上？照相机又是如何把3维的世界记录成2维的照片的？发现了吗？世界被降维了！而投影矩阵( Projection Matrix )就是进行这步降维的关键，它就像是一张二向箔，将3维的世界变成一幅幅壮丽的二维画卷.......有多种类型的投影，... ...
分类：
其他好文 时间：
2016-05-16 09:32:53
阅读次数：
369
感谢DT大数据梦工厂支持提供以下内容，
DT大数据梦工厂专注于Spark发行版定制。详细信息请查看
联系邮箱18610086859@126.com
电话：18610086859
QQ:1740415547
微信号：18610086859上节课通过降维的方式宏观整个spark streaming的运行的过程，spark-streaming其本质是构建在spark-core之上的一个应...
分类：
其他好文 时间：
2016-05-12 23:09:19
阅读次数：
120
