自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

小刀的专栏

路是一步一步走出来的。

  • 博客(4)
  • 收藏
  • 关注

原创 svm支持向量机

支持向量机,是数据挖掘中的一项新技术。其借助最优化方法来解决机器学习问题。主要思想为:找到一个超平面,使得它能尽可能多的将两类数据点正确分开,同时,使两类数据点距离分类面最远。主要形式及变化方式:线性可分支持向量机,通过引入松弛变量,变为线性支持向量机;线性可分支持向量机,通过引入核函数,变为可分支持向量机;线性可分支持向量机,通过引入松弛变量、核函数,

2015-05-27 17:55:14 526

原创 UV分解

原理: 将 M(n*m) 分解为 U(n*d) V(d*m) 。目的: 最大化的拟合M已知点,以预测M的未知点。评估: 已知点的 RMSE (最小化误差平方和)。寻优: 梯度方法(也可其他)过拟合: 多次或组合方式

2015-05-25 18:29:54 6309

原创 pca 主成分分析

1、数据标准化2、计算相关系数矩阵R3、计算特征值与特征向量4、选择主成分(信息贡献率累计大于70%)5、选取主成分特征向量,构造高维到低维的数据映射。

2015-05-25 18:20:12 657

原创 svd矩阵奇异值分解

matlab svd:s = svd(X)[U,S,V] = svd(X)[U,S,V] = svd(X,0)[U,S,V] = svd(X,'econ')s为 奇异值矩阵;u为 XXt 的对应特征向量;v为 XtX 的对应特征向量。 SVD的第一个作用之低秩近似(Low Rank Approximation):如果我们只保留前k个最大的奇异值,前k

2015-05-25 18:16:23 1425

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除