aaa2222339

摘要： 思想 通过找到一个低维平面，使得样本到该平面的投影误差最小，而这些投影形成了新的特征。比如下图： 步骤 1.对样本做feature scaling 2.将数据从n维降到k维，计算协方差矩阵（这里的x没有1项）： 利用SVD（奇异值分解）计算特征向量 我们真正需要的是U矩阵的前k列： 然后将原来的特征 阅读全文

摘要： 代价函数 定义：即每个样本到它所属类的聚类中心的距离平方和再除以m： 本质就是为了代价函数最小从而推出的算法。 步骤 1.随机选择K个聚类中心（可以随机选择k个样本点作为聚类中心），离聚类中心近的样本点被归为一类 公式表达：（i=1,2..m,Ci表示第i个样本所在的类的索引是多少） 聚类中心k的坐 阅读全文