题意：对一个矩阵进行子矩阵操作。元素对多有1e6个，树套树不好开（我不会），把二维坐标化成一维的，一个子矩阵操作分解成多条线段的操作。一次操作的复杂度是RlogC，很容易找到极端的数据（OJ上实测没有），如果判断一下然后建树复杂度是min(RlogC,ClogR)。代码中结点没有保存l和r，而且询问...
分类：
其他好文 时间：
2015-09-08 00:23:41
阅读次数：
168
PCA，主成分分析 主成分分析主要用于数据的降维。原始数据中数据特征的维度可能是很多的，但是这些特征并不一定都是重要的，如果我们能够将数据特征进行精简，不但能够减少存储空间，而且也有可能降低数据中的噪声干扰。 举个例子：这里有一组数据，如下 表1 2.5 1.2 -2.3 -2.8 -1 ...
分类：
其他好文 时间：
2015-09-03 16:30:07
阅读次数：
169
本笔记为Coursera在线课程《Machine Learning》中的数据降维章节的笔记。十四、降维 (Dimensionality Reduction) 14.1 动机一：数据压缩本小节主要介绍第二种无监督学习方法：dimensionality reduction，从而实现数据的压缩，这样不仅可...
分类：
系统相关 时间：
2015-08-27 00:17:24
阅读次数：
370
稀疏矩阵处理方法：（1） 数据平滑技术，如设定缺省值，将为评分项设为平均分或众数，回归填补法，随机填补法；聚类平滑技术，将未评分项使用聚类中心的数据经行填充。（2） 降维技术，主成分分析（ PCA）和奇异值分解（SVD）（3）对已有相似度计算模型进行局部加权处理。如基于时间的加权，基于共现次数的线性...
分类：
其他好文 时间：
2015-08-16 19:33:54
阅读次数：
195
关于 PCA 算法的讲解文章不胜枚举，这里主要谈一谈 基于 Python 中 sklearn 模块的 PCA 算法实现。Explained Variance 累计贡献率 又名 累计方差贡献率 不要简单理解为 解释方差，它是 PCA 降维维度的重要指标，一般选取累计贡献率在90%左右的维度作为PCA 降维的参考维度。在识别算法的实现过程中，当我们求得某一数据库各类别特征参考维度时，取最大维度作为每一...
分类：
编程语言 时间：
2015-08-11 18:42:38
阅读次数：
497
PCA方法由于其在降维和特征提取方面的有效性，在人脸识别领域得到了广泛的应用
PCA方法的基本原理是:利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。...
分类：
其他好文 时间：
2015-08-10 22:28:14
阅读次数：
317
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
拿到数据集，一个特征选择方法，往往很难同时完成这两个目的。通常情况下，我们经常不管三七二十一，选择...
分类：
其他好文 时间：
2015-08-04 19:29:04
阅读次数：
312
ConvexTime Limit: 10000/4000 MS (Java/Others)Memory Limit: 32768/32768 K (Java/Others)Total Submission(s): 1838Accepted Submission(s): 552Problem Desc...
分类：
其他好文 时间：
2015-07-30 13:04:19
阅读次数：
120
增强学习（Reinforcement Learning and Control）[pdf版本]增强学习.pdf 在之前的讨论中，我们总是给定一个样本x，然后给或者不给label y。之后对样本进行拟合、分类、聚类或者降维等操作。然而对于很多序列决策或者控制问题，很难有这么规则的样本。比如，四足机器人...
分类：
其他好文 时间：
2015-07-29 15:36:56
阅读次数：
173
参考：http://scikit-learn.org/stable/modules/random_projection.html
The sklearn.random_projection module
通过trading accuracy（可控的范围）来降维数据，提高效率。实现了两类unstructured random matrix：: Gaussian
random mat...
分类：
其他好文 时间：
2015-07-26 14:19:28
阅读次数：
222
