一、奇异值与特征值基础知识： 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系，我在接下来会谈到，特征值分解和奇异值分解的目的都是一样，就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧： 1）特征值： 如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式： ...
分类：
其他好文 时间：
2018-10-05 21:31:35
阅读次数：
176
一. 矩阵分解： 矩阵分解 (decomposition, factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD（奇异值）分解等，常见的有三种：1)三角分解法 (Triangular Factorization)，2)QR 分解法 ( ...
分类：
其他好文 时间：
2018-09-26 11:41:19
阅读次数：
594
一、单选题（共80题） ( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A) A. 关联规则 ...
分类：
其他好文 时间：
2018-09-20 21:17:07
阅读次数：
221
1.奇异值分解（SVD） 应用讲解 推导过程 ...
分类：
其他好文 时间：
2018-09-13 12:12:02
阅读次数：
160
特征分解 奇异值分解(Singular Value Decomposition, SVD) ...
分类：
其他好文 时间：
2018-08-28 13:11:49
阅读次数：
157
1.特征值分解 2.奇异值分解 奇异值的物理意义是什么？ 奇异值分解(SVD)原理详解及推导 奇异值分解(SVD)原理与在降维中的应用 3. ...
分类：
其他好文 时间：
2018-08-16 17:37:47
阅读次数：
143
首先说明一下特征值：设A是n阶方阵，如果存在 λ 和n维非零向量X，使 AX = λX ，则 λ 称为方阵A的一个特征值，X为方阵A对应于或属于特征值 λ 的一个特征向量。 AX = λX 的过程是一个从矩阵乘法到数乘操作的过程。数乘的实质是对向量X进行缩放，缩放因子为λ ，缩放只改变大小，不改变方 ...
分类：
其他好文 时间：
2018-08-12 10:26:53
阅读次数：
186
下面的每个资源都是我亲身学过的，且是网上公开公认最优质的资源。下面的每个学习步骤也是我一步步走过来的。希望大家以我为参考，少走弯路。请大家不要浪费时间找非常多的资料，只看最精华的！综述，机器学习的自学简单来说分为三个步骤前期：知识储备包括数学知识，机器学习经典算法知识，编程技术（python）的掌握中期：算法的代码实现后期：实战水平提升机器学习路径规划图一、数学基础很多人看到数学知识的时候就望而却
分类：
其他好文 时间：
2018-08-04 11:33:12
阅读次数：
440
奇异值分解(Singular Value Decomposition，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SVD的。 ...
分类：
其他好文 时间：
2018-07-26 18:39:35
阅读次数：
227
谱聚类 广义上来说，任何在算法中用到SVD/特征值分解的，都叫Spectral Algorithm。顺便说一下，对于任意矩阵只存在奇异值分解，不存在特征值分解。对于正定的对称矩阵，奇异值就是特征值，奇异向量就是特征向量。 传统的聚类算法，如K-Means、EM算法都是建立在凸球形样本空间上，当样本空 ...
分类：
其他好文 时间：
2018-07-15 19:41:15
阅读次数：
201
