降维 降维的动力来自于维度魔咒，动辄几万个甚至更多的特征会导致训练变慢，而且，维数越高越难找到合适的解决方案。特征的维数对应着相同维度的一个高维空间，高维空间中点与点的距离很容易变得很大，也就是实例之间的距离很大，训练集的特征空间很稀疏，这容易导致过拟合，当然，通过添加足够多的训练实例，在理论上可以 ...
分类：
其他好文 时间：
2019-05-25 00:04:30
阅读次数：
123
十四、降维(Dimensionality Reduction) 14.1 动机一：数据压缩 参考视频: 14 1 Motivation I\_ Data Compression (10 min).mkv 这个视频，我想开始谈论第二种类型的无监督学习问题，称为降维。有几个不同的的原因使你可能想要做降维 ...
分类：
其他好文 时间：
2019-05-19 23:17:15
阅读次数：
129
面对复杂的修改查询高维问题，往往需要高级数据结构解决，但是高级数据结构一般码量大，容易犯错。对于一些离线问题，我们可以用CDQ分治或者整体二分通过降维等方法解决，且因为CDQ分治容易理解且十分好写受到许多算法竞赛选手的欢迎。 CDQ分治 推荐博客：http://www.cnblogs.com/mly ...
分类：
其他好文 时间：
2019-05-19 12:09:18
阅读次数：
113
# coding = utf-8 from sklearn.feature_selection import VarianceThreshold from sklearn.decomposition import PCA ''' 数据降维：特征的数量减少(即columns减少) 1、特征选择原因： ... ...
分类：
其他好文 时间：
2019-05-10 23:21:21
阅读次数：
145
这个是本人在做大创项目，师姐做完的特征提取部分代码后，我们利用接收到的结果进行特征选择操作。下面从要求和思路两个部分简单介绍一下：我们通过BPSO结合KNN进行降维的基本思路。 一、要求 学姐给我们的数据一共有4个.mat文件。分别是训练集数据、训练集标签、测试集数据和测试集标签。训练集和测试集分别 ...
分类：
其他好文 时间：
2019-05-08 19:05:20
阅读次数：
339
判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。 本文主要关注LDA，并探讨其在理论和实践中作为分类和可视化技术的用途。由于QDA ...
分类：
编程语言 时间：
2019-05-06 19:33:01
阅读次数：
312
判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。 本文主要关注LDA，并探讨其在理论和实践中作为分类和可视化技术的用途。由于QDA ...
分类：
其他好文 时间：
2019-05-06 19:07:09
阅读次数：
176
一、主成分分析法的思想 我们在研究某些问题时，需要处理带有很多变量的数据，比如研究房价的影响因素，需要考虑的变量有物价水平、土地价格、利率、就业率、城市化率等。变量和数据很多，但是可能存在噪音和冗余，因为这些变量中有些是相关的，那么就可以从相关的变量中选择一个，或者将几个变量综合为一个变量，作为代表 ...
分类：
其他好文 时间：
2019-05-01 13:49:03
阅读次数：
160
线性判别分析，简称LDA，是一种线性学习方法。 常用来降维，是一种有监督的降维方法，是基于最佳分类效果的降维方法。 核心思想 给定训练样本，带label，设法将样本投影到一条直线上，使得同类样例的投影尽可能接近，异类样例的投影尽可能远离； 在对新样本进行预测时，先将其投影到这条直线上，再根据投影点的 ...
分类：
其他好文 时间：
2019-04-20 11:27:10
阅读次数：
264
[CTSC2018]暴力写挂 题面不错 给定两棵树，两点“距离”定义为：二者深度相加，减去两棵树上的LCA的深度（深度指到根节点的距离） 求最大的距离。 解决多棵树的问题就是降维了。 经典的做法是边分树合并。 边分树结构类似0/1 trie 就是把边分树对于每个点拆开路径 合并两棵边分树同时可以得到 ...
分类：
其他好文 时间：
2019-04-20 10:00:58
阅读次数：
125
