- 博客(1)
- 资源 (5)
- 收藏
- 关注
原创 PCA和Fisher线性判别总结
主成份分析(Principal Component Analysis, PCA)是数据降维领域中最经典的降维方法之一。 PCA的降维的核心就在于将原始n维数据投影到k个单位标准正交基上,为了保证投影后的数据包含足够的信息,PCA要求投影后每一维特征的方差足够大,因为方差越大,投影到低维后重叠越少。同时,PCA也要求特征之间互相独立,这样可以保证不同特征间含有更少的重复信息。 参考:PCA的详细介绍
2016-12-21 20:43:37 5055 1
faaron-KNN手写数字识别
2016-03-23
KNN手写字识别
2016-03-22
faaron-wifi断网自动重连2.0(附源码)
2014-08-17
faaron-Dijkstra算法实现一个简易的最佳方案选择
2014-05-09
faaron-wifi断网自动重连1.1(附源码)
2014-04-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人