- 博客(2)
- 收藏
- 关注
RSS订阅原创 流形学习——《机器学习》笔记
流形学习的基本思想是将高维特征空间中的样本分布群“平铺”至一个低维空间，同时能保存原高维空间中样本点之间的局部位置相关信息。原空间中的样本分布可能及其扭曲，平铺之后将更有利于样本之间的距离度量，其距离将能更好地反映两个样本之间的相似性。原空间中相邻比较近的点可能不是同一类点，而相邻较远的点还有可能是同一类，“平铺”至低维空间后就能解决这一问题。等度量映射：遍历每一个样本点，计算与k个最临近点的距离
2017-12-27 17:29:13
4211
原创 特征选择与稀疏学习——《机器学习》笔记
模式识别问题中构建、训练分类器的过程中避不开数据预处理这个过程，而在数据预处理过程中，特征选择又尤其的重要，特征选取的好坏很大程度影响到最终分类的正确率上。不仅如此，在很多的分类问题中，原始数据的维度经常会过高，并且包含很多冗余的信息，造成所谓“维数灾难”。子集搜索：子集搜索方式分为三类： 1、 前向搜索：起始特征子集为空，贪心地逐次增加一个行的特征进特征子集，每次进行一次性能评价，直至不能取
2017-12-27 16:37:26
757
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