卯卯 | 炼就一手绝世刀法！
日出东海落西山，愁也一天，喜也一天。遇事不钻牛角尖，人也舒坦，心也舒坦！
2019-01-19 09:11:11
降维算法-主成分分析PCA（手段：基变换。找新的基：求解协方差矩阵的特征向量的过程。特征值越大：在某个特征方向上方差越大）-目标：线性相关的特征进行浓缩，投影到新的坐标系（基），特征间线性无关
从空间上理解：降维的目的，摆脱一些线性有关特征，减少特征的个数，方便后续处理建模。基变换恰好可以完成这样的工作。那怎么样去找这个基呢？协方差矩阵，包含了方差信息和协方差信息。协方差取值范围在【-1，1】之间，1代表两个或以上特征变化趋势相同，-1代表相反，0则代表这些特征线性无关。基的特征向量相乘也是为0，线性无关。特征值越大，相当于在某一个特征向量上步长越大，即该特征向量上，方差越大，数据在该特征上分的越开，这样就好进行分类。数学基础：恰好在线性代数中有协方差矩阵，带了带上了方差和斜方差这两个
作者:yangli | 分类:机器学习算法 | 浏览:2961 | 评论:0
2019-01-19 09:06:05
降维算法-线性判别分析LDA-目标：投影后，类间距离越大越好，类内密度越大越好。用的相对较少，因为是有监督的。
目标：投影后，类间距离越大越好，类内密度越大越好。通过以上目标得到目标函数：
作者:yangli | 分类:机器学习算法 | 浏览:1046 | 评论:0
- 控制面板
- 网站分类
- 搜索
- 文章归档
-
- 2023年4月 (1)
- 2022年12月 (6)
- 2022年11月 (2)
- 2022年10月 (4)
- 2022年9月 (1)
- 2022年8月 (1)
- 2022年7月 (2)
- 2022年4月 (1)
- 2022年3月 (4)
- 2021年5月 (1)
- 2021年3月 (1)
- 2020年10月 (1)
- 2020年9月 (11)
- 2020年8月 (1)
- 2020年7月 (2)
- 2020年5月 (4)
- 2020年4月 (1)
- 2020年2月 (1)
- 2020年1月 (1)
- 2019年11月 (2)
- 2019年10月 (3)
- 2019年9月 (5)
- 2019年8月 (19)
- 2019年7月 (6)
- 2019年6月 (8)
- 2019年5月 (10)
- 2019年4月 (16)
- 2019年3月 (37)
- 2019年2月 (24)
- 2019年1月 (11)
- 2018年12月 (3)
- 2018年11月 (3)
- 2018年10月 (7)
- 2018年9月 (8)
- 2018年8月 (41)
- 2018年7月 (29)
- 2018年6月 (14)
- 2018年5月 (16)
