摘要：
降维问题： 首先需要理解的：降维的本质操作时是什么？ 之前自己理解的只是通过找到一系列新的坐标轴来表示原始数据，但是从来没有细细深究背后的数学原理； 例如对于特征空间为二维的坐标点来说，其拥有两个特征，所以在特征空间中采用（x，y）两个参变量进行表示； 但是对于我们数据分析来说，如果变化的趋势或者方 阅读全文
posted @ 2020-12-22 21:17
暮云林凌
阅读(272)
评论(0)
推荐(0)
摘要：
矩阵奇异值分解主要应用在降维方面，和特征值分解为特征向量其实是一样的思想； 本质就是找一个低维空间，把高维空间的点映射到低维空间里面去，例如典型的PCA主成分析就用到了这一点； 特征值分解： 首先值得关注的是特征值分解问题，从特征值分解问题可以看出奇异值分解的一些思路； 通常对于数据降维来说，主要的 阅读全文
posted @ 2020-12-22 16:14
暮云林凌
阅读(895)
评论(0)
推荐(0)
摘要：
中等难度题，如果使用最简单的层序遍历思想开数组层序遍历返回，空间复杂度会高一点； vector<vector<int>> zigzagLevelOrder(TreeNode* root) { vector<vector<int>>rvec; queue<TreeNode*>que; bool fla 阅读全文
posted @ 2020-12-22 08:47
暮云林凌
阅读(87)
评论(1)
推荐(0)
浙公网安备 33010602011771号