PCA PCA（Principal Component Analysis，主成分分析）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其 ...
分类：
编程语言 时间：
2018-06-02 23:58:29
阅读次数：
460
十六、投影矩阵和最小二乘 给出$n$组$m 1$个自变量的数据点(用$n\times m$大小的矩阵$A$表示，其中第一列均为1，代表常数项)，以及它们的真实取值(用n维列向量$b$表示)，现在需要用一个$m 1$元未知数的线性方程来拟合这组数据点。可以用非齐次线性方程组$AX=b$表示。 一般来说 ...
分类：
其他好文 时间：
2018-05-18 00:27:05
阅读次数：
196
[DeeplearningAI笔记]ML strategy_1_1正交化/单一数字评估指标 [DeeplearningAI笔记]ML strategy_1_2开发测试集评价指标 [DeeplearningAI笔记]ML strategy_1_3可避免误差与改善模型方法 [DeeplearningAI ...
分类：
其他好文 时间：
2018-04-04 18:06:26
阅读次数：
173
这门课是讲一些分析机器学习问题的方法，如何更快速高效的优化机器学习系统，以及NG自己的工程经验和教训。 1. 正交化(Othogonalization) 设计机器学习系统时需要面对一个问题是：可以尝试和改变的东西太多太多了。牛逼的机器学习专家很清楚自己要调什么以达到什么目的，这个调参和效果一一对应的 ...
分类：
其他好文 时间：
2017-11-18 18:49:43
阅读次数：
195
http://blog.csdn.net/xiaojidan2011/article/details/11595869 PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量 ...
分类：
其他好文 时间：
2017-08-23 10:19:38
阅读次数：
224
一、开篇 慢慢的、慢慢的、慢慢的就快要到飞控的主要部分了，飞控飞控就是所谓的飞行控制呗，一个是姿态解算一个是姿态控制，解算是解算，控制是控制，各自负责各自的任务。我也不懂。还在学习中~~~~ 近期看姿态预计部分看的太累了，明显发现基础知识太薄弱，什么欧拉角、DCM、四元数、gyro误差、矫正、正交化 ...
分类：
其他好文 时间：
2017-07-22 19:52:47
阅读次数：
1171
Kernel Null Space Methods for Novelty Detection CVPR 2013 B是St零空间的正交补空间的基向量，可以通过对Xt进行标准正交化或者对St进行PCA得到。 经证明，B'SwB的零空间的维数为C-1. 中心化的核矩阵 这里需要用到又核矩阵计算总体散度 ...
分类：
其他好文 时间：
2017-04-06 01:33:58
阅读次数：
223
%生成随机矩阵并标准正交化 a= randn(3)orth(a) %随机投影进行降维 c=magic(3)d=c*b %验证距离 sim=squareform(pdist(d,'euclidean'))sim=squareform(pdist(c,'euclidean'))sim=squarefor ...
分类：
其他好文 时间：
2017-02-16 23:35:58
阅读次数：
392
Gram-Schmidt正交化 假设原来的矩阵为[a,b]，a,b为线性无关的二维向量，下面我们通过Gram-Schmidt正交化使得矩阵A为标准正交矩阵： 假设正交化后的矩阵为Q=[A,B],我们可以令A=a，那么我们的目的根据AB=I来求B，B可以表示为b向量与b向量在a上的投影的误差向量： $ ...
分类：
其他好文 时间：
2016-11-19 01:53:54
阅读次数：
404
