本文转自公众号《数据科学家联盟》 一、主成分分析法的思想及其原理 1、PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法（非监督的机器学习方法）。 其最主要的用途在于“降维”，通过析取主成分显出的最大的个别差异，发现更便于人类理解的特 ...
分类：
其他好文 时间：
2020-05-03 18:41:03
阅读次数：
154
1.机器学习的主要分类 （1）监督学习（Supervised learning） ? 训练数据有目标向量（标签） ? 分类、回归 … （2）非监督学习（Unsupervised learning） ? 训练数据没有目标向量（标签） ? 聚类、密度估计、可视化 … （3）强化学习（Reinforcem ...
分类：
其他好文 时间：
2020-04-26 11:07:02
阅读次数：
59
关于线性判别分析算法LDA算法，可以用来降维和分类，一种监督学习策略（也就是你要指定分几类），这一点是不同于PCA的（PCA是非监督学习的）。 推荐学习网址： https://blog.csdn.net/ruthywei/article/details/83045288 https://blog.c ...
分类：
编程语言 时间：
2020-04-17 15:57:37
阅读次数：
69
统计学习基础知识 [toc] 现在我们开始统计学习系列课程的学习，首先先给大家介绍一下统计学习的基础知识。 1. 统计学习种类 统计学习一般分为两个主要类别：监督学习（ predictive learning, supervised learning ）以及非监督学习（ descriptive le ...
分类：
其他好文 时间：
2020-03-11 10:43:16
阅读次数：
88
谷歌出品。这篇文章是通过学习目标的结构和动力学特征来预测视频中的目标，从而实现非监督。利用识别关键点技术，将目标像素级别之间的关系提升到关键点之间的关系，更加接近语义特征，确定目标结构。通过VRNN算法确定从关键点特征中得到的动力学特征。 《摘要》 从无监督视频中学习到目标的结构和动力学特征是一个挑 ...
分类：
其他好文 时间：
2020-01-26 14:42:22
阅读次数：
116
聚类 非监督学习的算法 从未标记的数据中学习。所以，在非监督学习中我们要做的是给这种 没有标记的训练集合一个算法并且通过算法来为我们定义一些数据的结构。 对于这种结构的数据集，我们通过算法来发现他们 就像被分成两个聚类的点集 因此对于一种算法能够找到 被圈出来的类别，就称为聚类算法 比如说 到目前为 ...
分类：
其他好文 时间：
2020-01-20 14:51:02
阅读次数：
68
陈某在B站上面搜索了监督学习和非监督学习 看完了一段40分钟左右介绍非监督学习算法中介绍期望最大算法（EM算法）的教学视频 也顺带又复习了一遍二项分布以及标准正态的概率密度 极大似然估计的计算方法 了解了算法背景 极大似然估计存在局限性 1.需要事先假定假定数据分类 2.假设的数据分布与真实的数据分 ...
分类：
其他好文 时间：
2019-12-23 20:39:21
阅读次数：
94
监督学习：通过人为地输入带有标签的训练数据集，使计算机训练得到一个较为合适的模型，对未知标签的数据进行预测。常见的监督学习算法：回归和分类。 1.回归(Regression)：通常有两个及以上变量，数据一般是连续的，通过训练集变量之间的关系得到一条模拟训练样本的曲线，对未知数据的因变量进行预测，其中 ...
分类：
其他好文 时间：
2019-12-14 23:01:08
阅读次数：
128
1、监督学习 是有特征和标签的，即便是没有标签的，机器也是可以通过特征和标签之间的关系，判断出标签。监督学习是通过训练让机器自己找到特征和标签之间的联系，在以后面对只有特征而没有标签的数据时可以自己判别出标签。相当于给定数据，预测标签。常见的有监督学习算法：回归分析和统计分类。 2、非监督学习 由于 ...
分类：
其他好文 时间：
2019-12-14 21:20:59
阅读次数：
144
监督学习： 监督学习就是分类，把人们已经处理好的训练样本（即已知数据和对应输出）给计算机，计算机通过规律训练出一个最佳模型，再用这个模型对输入的数据进行分类，得出对应的输出。 从而使计算机具有对未知数据进行分类的功能。 特点：目标明确 需要带标签的训练样本 分类效果很容易评估 非监督学习： 非监督学 ...
分类：
其他好文 时间：
2019-12-14 18:49:03
阅读次数：
66
