机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达， y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。使用降 ...
分类：
编程语言 时间：
2017-08-22 01:41:24
阅读次数：
161
引言 主成分分析（PCA）是一种能够极大提升无监督特征学习速度的数据降维算法。更重要的是，理解PCA算法，对实现白化算法有很大的帮助，很多算法都先用白化算法作预处理步骤。 假设你使用图像来训练算法，因为图像中相邻的像素高度相关，输入数据是有一定冗余的。具体来说，假如我们正在训练的16x16灰度值图像 ...
分类：
其他好文 时间：
2017-06-04 16:59:39
阅读次数：
287
最近在找降维的解决方案中，发现了下面的思路，后面可以按照这思路进行尝试下： 链接：http://www.36dsj.com/archives/26723 引言 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y， ...
分类：
编程语言 时间：
2017-03-17 14:14:11
阅读次数：
261
奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SV ...
分类：
其他好文 时间：
2017-01-05 16:54:17
阅读次数：
208
主成分分析（PCA）是一种能够极大提升无监督特征学习速度的数据降维算法。更重要的是，理解PCA算法，对实现白化算法有很大的帮助，很多算法都先用白化算法作预处理步骤。这里以处理自然图像为例作解释。 1.计算协方差矩阵： 按照通常约束，x为特征变量，上边表示样本数目，下标表示特征数目。这里样本数为m。 ...
分类：
其他好文 时间：
2016-11-24 19:11:25
阅读次数：
399
转载地址：http://blog.csdn.net/watkinsong/article/details/38536463 1. 前言 PCA ： principal component analysis ( 主成分分析) 最近发现我的一篇关于PCA算法总结以及个人理解的博客的访问量比较高， 刚好目 ...
分类：
编程语言 时间：
2016-08-31 10:34:24
阅读次数：
586
一、引入
主成分分析（PCA）是一种降维算法，能大大加速你的无监督特征学习算法。更重要的是，理解PCA能让我们后面实现白化，这是一个对所有算法适用的重要的预处理步骤。
假设你在图像上训练你的算法。不过输入稍微有点冗余，因为图像中相邻的像素值是高度相关的。具体来说，假设我们在16*16的灰度图像块上训练。那么x∈R256是256维的向量，一个特征xj对应着图像中每个像...
分类：
其他好文 时间：
2016-08-14 10:23:40
阅读次数：
365
主成分分析（PCA）是一种能够极大提升无监督特征学习速度的数据降维算法。更重要的是，理解PCA算法，对实现白化算法有很大的帮助，很多算法都先用白化算法作预处理步骤。 假设你使用图像来训练算法，因为图像中相邻的像素高度相关，输入数据是有一定冗余的。具体来说，假如我们正在训练的16x16灰度值图像，记为
分类：
其他好文 时间：
2016-03-19 16:25:49
阅读次数：
304
1.1算法流程 假设有m个samples，每个数据有n维。 1. 计算各个feature的平均值，计μj ;（Xj(i)表示第i个样本的第j维特征的value） μj = Σm Xj(i)/m meanVals = mean(dataMat, axis=0) 2. 将每一个feature scali...
分类：
其他好文 时间：
2016-03-11 10:24:30
阅读次数：
233
原文：http://dataunion.org/13451.html作者：xbinworld引言：机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。 y是数据...
分类：
编程语言 时间：
2015-09-12 16:09:08
阅读次数：
272
