LLE 局部线性嵌入，Locally Linear Embedding（LLE）是另一个功能强大的非线性降维（nonlinear dimensional reduction，NLDR）技术。它是一个流形学习技术，并不基于投影。简单地说，LLE工作的方式是：首先衡量每个训练实例与它最近的邻居们（clo ...
分类：
其他好文 时间：
2020-04-11 13:09:41
阅读次数：
90
17 降维简介 当特征选择完成后，可以直接训练模型了，但是可能由于特征矩阵过大，导致计算量大，训练时间长的问题，因此降低特征矩阵维度也是必不可少的。常见的降维方法除了以上提到的基于L1惩罚项的模型以外，另外还有主成分分析法（PCA）和线性判别分析（LDA），线性判别分析本身也是一个分类模型。PCA和 ...
分类：
其他好文 时间：
2020-04-05 09:20:07
阅读次数：
179
一、基本加减乘除 推荐使用符号 二、矩阵相乘 1）法一：torch.mm 此方法只适用于二维的情况，不推荐使用 2）法二：torch.matmul 此方法适用于多维 3）法三：a@b = torch.matmul(a, b) 推荐使用此方法 4）用处： * 用于对数据进行降维 * 大于2d数据相乘 ...
分类：
其他好文 时间：
2020-03-28 18:09:36
阅读次数：
294
机器学习分为四大块，分别是classification (分类)，regression (回归), clustering (聚类), dimensionality reduction (降维)。 聚类（clustering） 无监督学习的结果。聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼 ...
分类：
其他好文 时间：
2020-03-28 16:14:52
阅读次数：
398
import pandas as pd from sklearn.decomposition import PCA # 数据地址：https://www.kaggle.com/c/instacart-market-basket-analysis/data # 读取表 prior = pd.read_ ...
分类：
其他好文 时间：
2020-03-26 01:27:10
阅读次数：
116
题意:给定一个n*m的矩阵，求出其中和最大的子矩阵 比如 0 -2 -7 0 9 2 -6 2 -4 1 -4 1 -1 8 0 -2 他的最大子矩阵是 9 2 -4 1 -1 8和为15. ①首先最坏情况我们可以枚举行的上界和下界，列的上界和下界。 求和的话可以用前缀和解决。 ②我们只枚举行的上界 ...
分类：
其他好文 时间：
2020-03-15 20:45:57
阅读次数：
90
莺嘴啄花红溜，燕尾点波绿皱。 指冷玉笙寒，吹彻小梅春透。 依旧，依旧，人与绿杨俱瘦。 ——《如梦令·春景》 秦观 更多精彩内容请关注微信公众号 “ 优化与算法 ” 1、背景 随着信息技术的发展，数据量呈现爆照式增长，高维海量数据给传统的数据处理方法带来了严峻的挑战，因此，开发高效的数据处理技术是非常 ...
分类：
其他好文 时间：
2020-03-15 16:26:40
阅读次数：
68
SVD（Singular Value Decomposition，奇异值分解）是一种强大的降维工具 很多情况下，数据的一小段携带了大部分信息，其他要么是噪声，要么就是毫不相关的信息，SVD 是矩阵分解的一种，可以把 SVD 看成是从噪声数据中抽取相关特征 优点：简化数据，去除噪声，提高算法的结果 缺 ...
分类：
其他好文 时间：
2020-03-14 21:37:56
阅读次数：
75
var thisArr = function(arr) { var new_arr = []; for(var i = 0; i < arr.length; i++){ if(Array.isArray(arr[i])){ thisArr(arr[i]); }else{ new_arr.push(a ...
分类：
编程语言 时间：
2020-03-12 12:50:17
阅读次数：
47
线性判别分析 LDA是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的。这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”。什么意思呢？ 我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影 ...
分类：
其他好文 时间：
2020-03-09 23:52:10
阅读次数：
100
