摘要：
独立成分分析 1、上节提到的PCA是一种数据降维的方法，但是只对符合高斯分布的样本点比较有效，那么对于其他分布的样本，有没有主元分解的方法呢？ 2、经典的鸡尾酒宴会问题（cocktail party problem）。假设在party中有n个人，他们可以同时说话，我们也在房间中一些角落里共放置了n个 阅读全文
posted @ 2017-03-01 21:50
7岁
阅读(551)
评论(0)
推荐(0)
摘要：
一、SVD奇异值分解的定义 假设是一个的矩阵，如果存在一个分解： 其中为的酉矩阵，为的半正定对角矩阵，为的共轭转置矩阵，且为的酉矩阵。这样的分解称为的奇异值分解，对角线上的元素称为奇异值，称为左奇异矩阵，称为右奇异矩阵。 二、SVD奇异值分解与特征值分解的关系 特征值分解与SVD奇异值分解的目的都是 阅读全文
posted @ 2017-03-01 21:24
7岁
阅读(388)
评论(0)
推荐(0)
摘要：
推荐博文：http://blog.codinglabs.org/articles/pca-tutorial.html 推荐博文：http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html（上） 推荐博文：http://www.cn 阅读全文
posted @ 2017-03-01 15:15
7岁
阅读(134)
评论(0)
推荐(0)
摘要：
一、有监督学习 算法一：决策树 决策树是一种树形结构，为人们提供决策依据，决策树可以用来回答yes和no问题，它通过树形结构将各种情况组合都表示出来，每个分支表示一次选择（选择yes还是no），直到所有选择都进行完毕，最终给出正确答案。 算法二：朴素贝叶斯分类器 朴素贝叶斯分类器基于贝叶斯理论及其假 阅读全文
posted @ 2017-03-01 10:58
7岁
阅读(359)
评论(0)
推荐(0)
浙公网安备 33010602011771号