chinabing的专栏

1. 线性变换可以用以下公式表示: T(x) = Ax 2. 矩阵A的特征值与特征向量 Ax = (lambda)x

Ｘ，Ｙ均为一维向量，或者说一维随机变量。 X = (X1, X2, ..., Xn) Y = (Y1, Y2, ..., Yn) 方差 协方差 方差的概念好理解：随机变量X偏离均值的度量。 协方差如何理解？它的值表示着什么？       它是两个随机变量关系的度量。值的正负比值的大小更有意义，       值为正，说明两个随机变量的变化方向一致，       值为负，

1. PCA 主成分分析 m个n维的样本数据X1, X2, ... , Xm, 均值为u 步骤: （1）标准化， Xi - u （2）计算协方差矩阵 （3）计算特征值和特征向量（单位化） （4）选择特征值最大的前k（1 （5）利用特征向量的组合进行线性变换，得到新的数据 2. ICA 独立成分分析 从可观察的Observables信号X1, X2, ..., Xn, 恢复

转自http://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 　　本文的目的就是对常用的相似性度量