Latent Semantic Analysis 模型，隐性语义分析，也就是我们常说的LSA模型。后面还有他的兄弟PLSA和LDA模型，这个我们后面再说。这几个都是NLP中比较经典的模型！学习这个模型，主要总结到了三个方面：LSA模型可以应用在哪儿？LSA的理论部分，以及LSA的优缺点分析。...
分类：
其他好文 时间：
2014-12-03 15:52:01
阅读次数：
459
1 # 创建数据集,5*7的矩阵 2 def loadExData(): 3 return [[1,1,1,0,0], 4 [2,2,2,0,0], 5 [1,1,1,0,0], 6 [5,5,5,0,0], 7 ...
分类：
编程语言 时间：
2014-11-27 17:40:40
阅读次数：
367
PCA全称为principal componentanalysis，即主成成分分析，用于降维。对数据进行降维有很多原因。比如：
1：使得数据更易显示，更易懂
2：降低很多算法的计算开销
3：去除噪声
一：基本数学概念
1：方差
均值太简单了，不说了。方差是各个数据分别与其和的平均数之差的平方的和的平均数，用字母D表示。计算公式如下：
...
分类：
其他好文 时间：
2014-11-27 14:36:35
阅读次数：
402
1 >>> from numpy import *; 2 >>> U,Sigma,VT=linalg.svd([[1,1],[]7,7]) 3 SyntaxError: invalid syntax 4 >>> U,Sigma,VT=linalg.svd([[1,1],[7,7]]) 5 >>> ....
分类：
编程语言 时间：
2014-11-27 14:22:18
阅读次数：
345
定义：设矩阵A是定义在复数域上的m * n阶矩阵，则存在酉矩阵P、Q使得其中，P、Q为酉矩阵，而（说明：1、上标H表示共轭转置，2、当复数矩阵U满足UHU = UUH = E时，U称为酉矩阵；3、diag表示对角矩阵）A = PDQH 称为A的奇异值分解式；求借A的奇异值分解(1) 令 B = AH...
分类：
其他好文 时间：
2014-11-25 01:31:09
阅读次数：
183
We Recommend a Singular Value Decomposition
我们推荐奇异值分解
奇异值分解可以方便地把一个矩阵（包含我们感兴趣的数据）分解得更加简单和有意义。 本文讲解了奇异值分解的几何解释，顺便也介绍了一些应用。
From http://www.ams.org/samplings/feature-column/fcarc-svd
David Austin，Grand ValleyState University
本文的主题是奇异值分解(singular value...
分类：
其他好文 时间：
2014-11-13 16:37:17
阅读次数：
439
SVD分解SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章。本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论...
分类：
其他好文 时间：
2014-10-19 16:54:22
阅读次数：
284
降维技术， 首先举的例子觉得很好，因为不知不觉中天天都在做着降维的工作 对于显示器显示一个图片是通过像素点0，1，比如对于分辨率1024×768的显示器，就需要1024×768个像素点的0，1来表示，这里每个像素点都是一维，即是个1024×768维的数据。而其实眼睛真正看到的只是一副二维的图片，这里...
分类：
其他好文 时间：
2014-10-09 22:00:08
阅读次数：
364
SVD分解SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章。本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论...
分类：
其他好文 时间：
2014-08-23 15:14:31
阅读次数：
299
K-SVD has become a popular dictionary learning method for deriving dictionaries which can sparsely represent the given signals. It is an enhancement of K-means clustering method....
分类：
其他好文 时间：
2014-08-08 21:24:10
阅读次数：
256
