聚类算法： K 均值聚类（K Means） K 中心点聚类（K Meaoids） 密度聚类（Densit based Spatial Clustering of Application with Noise,DBSCAN） 系谱聚类（Hierarchical Clustering） 期望最大化聚类（ ...
分类：
编程语言 时间：
2019-07-12 12:54:03
阅读次数：
178
降维与度量学习 K近邻学习 K近邻学习（k-Nearest Neighbor）学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个"邻居"的信息来进行预测。通常，在分类任务中可使用"投票法"，即选择这k个样本中出现最多的... ...
分类：
其他好文 时间：
2019-07-11 20:09:24
阅读次数：
99
超高维度分析，N*P的矩阵，N为样本个数，P为指标，N<<P PCA:抓住对y对重要的影响因素 主要有三种：PCA,因子分析，回归方程+惩罚函数（如LASSO） 为了降维，用更少的变量解决问题，如果是二维的，那么就是找到一条线，要使这些点再线上的投影最大，投影最大，就是越分散，就考虑方差最大。 ...
分类：
编程语言 时间：
2019-07-11 12:44:28
阅读次数：
144
线性模型之LDA和PCA 线性判别分析LDA LDA是一种无监督学习的降维技术。 思想：投影后类内方差最小，类间方差最大，即期望同类实例投影后的协方差尽可能小，异类实例的投影后的类中心距离尽量大。 二分类推导 给定数据集$D=\{(x_i,y_i)\}_{i=1}^m$，令$X_i，\mu_i，\s ...
分类：
其他好文 时间：
2019-07-07 17:35:48
阅读次数：
112
二维费用背包 01背包进阶版 有N件物品和一个空间容量为C，重量容量为W的背包，第 i 件物品的空间费用为 c[i] ，重量费用为 wi ，价值是 vi ， 每种物品仅有一件，可以选择放或不放 ，求将哪些物品装入背包可使价值总和最大 01背包： 空间降维写法 二维费用 根据经验我们就可以写出 其实就 ...
分类：
其他好文 时间：
2019-07-07 09:39:25
阅读次数：
96
Sklearn简介 Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机 ...
分类：
编程语言 时间：
2019-07-01 13:51:44
阅读次数：
140
动态规划算法（Dynamic Programming，简称 DP） 浅谈动态规划 动态规划算法（Dynamic Programming，简称 DP）似乎是一种很高深莫测的算法，你会在一些面试或算法书籍的高级技巧部分看到相关内容，什么状态转移方程，重叠子问题，最优子结构等高大上的词汇也可能让你望而却步 ...
分类：
编程语言 时间：
2019-06-29 12:47:54
阅读次数：
122
一、 高维数据降维 高维数据降维是指采取某种映射方法，降低随机变量的数量。例如将数据点从高维空间映射到低维空间中，从而实现维度减少。降维分为特征选择和特征提取两类，前者是从含有冗余信息以及噪声信息的数据中找出主要变量，后者是去掉原来数据，生成新的变量，可以寻找数据内部的本质结构特征。 简要来说，就是 ...
分类：
其他好文 时间：
2019-06-24 23:59:50
阅读次数：
250
0０ 个人总结 PCA(主成分分析法)目的： 1.降低特征间个数，减少的计算量 2.降低特征之间的相关性，使特征之间更加的独立 3.减少噪声对数据的影响，使模型更加的稳定 4.方便数据的可视化 简单步骤： 1.对数据进行零均值化处理 2.计算协方差矩阵 3.计算特征值和特征向量 4.找到n个特征值和 ...
分类：
其他好文 时间：
2019-06-09 13:13:10
阅读次数：
109
利用PCA主成分分析法对数据进行降维 原理 : 我们一般使用数据降维来降低模型的复杂度,把数据集从一个散点组成的面变成一条直线,也就是从二维变成了一维,这就是数据降维,而其中用到的方法就是主成分分析法(Principal Component Analysis ,PCA) 1.导入数据集并用Stand ...
分类：
其他好文 时间：
2019-05-28 11:07:43
阅读次数：
126
