有两种类型的转换是可用的:分位数转换和幂函数转换。分位数和幂变换都基于特征的单调变换，从而保持了每个特征值的秩。 通过执行秩变换，分位数变换平滑了异常分布，并且比缩放方法受异常值的影响更小。但是它的确使特征间及特征内的关联和距离失真了。 幂变换则是一组参数变换，其目的是将数据从任意分布映射到接近高斯 ...
分类：
其他好文 时间：
2021-06-19 19:31:43
阅读次数：
0
操作步骤 1、PCA变换。将实验数据20180419.dat导入ENVI，如果没有数据统计文件（.sta文件），通过Transform->PCA Rotation->Forward PCA Rotation New Statistics and Rotate计算数据特征值、协方差或相关系数矩阵后进行 ...
分类：
其他好文 时间：
2021-05-24 03:47:14
阅读次数：
0
难度 easy 给你一个非负整数数组 nums 。如果存在一个数 x ，使得 nums 中恰好有 x 个元素 大于或者等于 x ，那么就称 nums 是一个 特殊数组 ，而 x 是该数组的 特征值 。 注意： x 不必 是 nums 的中的元素。 如果数组 nums 是一个 特殊数组 ，请返回它的特 ...
分类：
编程语言 时间：
2021-04-26 13:00:38
阅读次数：
0
损失函数 总损失定义为： yi为第i个训练样本的真实值 h(xi)为第i个训练样本特征值组合预测函数 又称最小二乘法 正规方程 理解：X为特征值矩阵，y为目标值矩阵。直接求到最好的结果 缺点：当特征过多过复杂时，求解速度太慢并且得不到结果 其中y是真实值矩阵，X是特征值矩阵，w是权重矩阵 对其求解关 ...
分类：
其他好文 时间：
2021-01-25 11:38:16
阅读次数：
0
在线性代数（一）中，小夕主要讲解了映射与矩阵的关系；在线性代数（二）中，小夕讲解了映射视角下的特征值与特征向量的物理意义。本文与下一篇会较为透彻的解析一下向量的二范数与一范数，他们在机器学习任务中是最常用，有时甚至是核心的东西哦。首先，来一个俗俗的开篇。向量x的p范数表示如下：由此，p=1、p=2就分别代表1范数和2范数。本文只看p=2的情况。二范数相信大家在大一学线性代数的时候就已经被灌输了“用
分类：
其他好文 时间：
2020-12-29 11:49:08
阅读次数：
0
高等数学基础 | 01 微积分 | 02 泰勒公式与拉格朗日乘子法 | 03 线性代数基础 | 04 特征值与矩阵分解 | 05 概率论基础 | 06 随机变量与概率统计 | 07 随机变量的几种分布 | 08 核函数变换 | 09 熵与激活函数 | 10 假设检验 | 11 相关分析 | 12 回 ...
分类：
其他好文 时间：
2020-12-15 12:46:29
阅读次数：
4
1.前期需要掌握的知识点：⑴高等代数/线性代数：线性方程组、特征值和特征向量⑵统计学：方差分析等2.主成分分析思想：主成分分析是利用降维的思想，在损失较少信息的前提下，用几个综合指标来代替之前多个指标的一种多元统计方法。我们把这些综合指标称为主成分，其中每一个主成分是原来变量的线性组合，并且各个主成分之间互不相关。3.主成分分析的几点要求⑴每一个主成分都是原始变量的线性组合。⑵主成分的数目要求远远
分类：
其他好文 时间：
2020-11-24 12:50:09
阅读次数：
7
虽然不是什么有应用价值的定理，但是每次看到实对称矩阵时总会有疑惑，现在记录下来。 证明 设有实对称矩阵$A$，它的特征值与对应的特征向量分别为$\lambda,x$，另外记$\overline{A},\overline{\lambda},\overline{x}$分别为它们对应的共轭复数（矩阵和向量 ...
分类：
其他好文 时间：
2020-10-24 09:58:38
阅读次数：
31
#python数据类型 a = None #什么都没有 b = True #boolean类型 c = 12 #int d = 12.33 #float e = "sdfs1122,," #字符串 #元祖特征：值不可修改 f = (1,2,3,"dd") print(f) #列表特征：值可修改、允许 ...
分类：
编程语言 时间：
2020-10-08 19:20:52
阅读次数：
17
树回归 当回归的数据呈现非线性时，就需要使用树回归。 树回归的基本逻辑 遍历所有特征 针对某一特征，遍历该特征的所有值 针对某一特征值，进行划分数据，计算出划分数据之后的总方差， 若总方差最小，记下特征和特征值 当遍历完所有特征后，就能够获得最小方差的特征和特征值，并以此作为树的结点，划分左右子树， ...
分类：
其他好文 时间：
2020-09-07 19:22:59
阅读次数：
74
