- 博客(2)
- 收藏
- 关注
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