摘要： 主成分分析（Principal Component Analysis，简称PCA）是最常用过的一种降维方法 在引入PCA之前先提到了如何使用一个超平面对所有的样本进行恰当的表达? 即若存在这样的超平面，那么它大概应具有这样的性质： 最大可分性：样本点在这个超平面的投影尽可能分开。 最近重构性：样本点 阅读全文

摘要： 线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的线性学习方法。其思想非常朴素，设法将样例投影到一条直线上，使得同类样例的投影点尽可能接近，异类的样例的投影点尽可能的远离，在对新样本进行分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定样本的类 阅读全文

摘要： 关于统计学习方法中李航SVM学习笔记： 支持向量机（support vector machines，SVM)是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；关于感知机的介绍有时间再做。 关于支持向量机中的内容比较多，本文关于李航统计学习中关于支持向 阅读全文