机器学习
文章平均质量分 58
人工智能基础
Dingyin HU
这个作者很懒,什么都没留下…
展开
-
PCA和FA之间的区别
PCA和FA之间的区别因子分析时主成分分析的推广和发展。二者都是用于降维。主要区别是,PCA是根据方差最大来进行降维,而FA是根据变量间的依赖关系进行降维。一、但是,1)方差损失上:主成分解释了原始变量的全部方差,无方差损失;因子模型中除了有公因子外,还有特殊因子,公因子只解释了部分信息,所以有方差损失。2)唯一性:主成分分析不存在因子旋转(jPCA是什么?),主成分是唯一的;因子分析进行因子旋转,解不唯一。3)实际意义:PCA没有实际意义;公因子有实际意义。4)应用:主..原创 2021-05-06 15:44:16 · 1588 阅读 · 0 评论 -
PCA累加和操作
% reduce to numPCs or however many PCs capture fracVar of the variance[PCs, ~, v] = pca(A_masked);V = cumsum(v)./sum(v);if ~isempty(fracVar)% determine how many PCs to usev = cumsum(var(A_maskedPCs))./sum(var(A_maskedPCs));idx = 1:size(v,2);numPCs =原创 2020-09-07 19:03:24 · 172 阅读 · 0 评论 -
卷积操作中的padding和strides
Padding和Striding都是深度神经网络里的常规操作,所以要记住它两的作用和概念。padding的作用就是填充,然后把边缘的值也能卷积操作的中心。有什么用呢?总之有些区别,特别是对边缘有敏感性的特征。一、卷积示意图这个就是卷积,输入是55,输出是33二、padding示意图这个就是zero padding,padding的作用是使输入输出维度大小相同。zero的意思是用o代替f...原创 2019-11-19 17:16:37 · 1939 阅读 · 0 评论 -
Bootstrapping的意义
Bootstrapping 方法是种集成方法,通俗解释就是盲人摸象,很多盲人摸一头象,各自摸到的都不一样,但是都比较片面,当他们在一起讨论时,就得到了象的整体。...原创 2019-11-13 10:00:42 · 2466 阅读 · 0 评论 -
SEM和SD的区别和联系,以及其计算方法
开宗明义,SEM is standard in the field when combining across sites/sessions or animals.一、SEM均值标准误的定义均值标准误,Standard error of mean,即SEM,也称为均值标准误差,均值标准差,大多数时候约定称为标准误。SEM描述的是多个均值样本的标准差,体现均值抽样分布的离散程度,反映了样本均值之...原创 2019-10-23 17:07:21 · 58687 阅读 · 8 评论 -
EMG preprocess
实现Stability of muscle synergies for voluntary actions after cortical stroke in humans里的肌电预处理过程:The collected EMGs were high-pass-filtered with a window-based finite impulse response filter (50th orde...原创 2019-10-15 10:06:39 · 433 阅读 · 0 评论 -
CCA (Canonical correlation analysis) 典型相关分析
首先,要明确CCA方法是一种多元统计分析方法,在大多数情况下是用来反映两组(不是两个)变量之间的整体相关性。方法是将两组变量通过线性组合分别合成为U⃗\vec UU和V⃗\vec VV。在我的研究领域,就是不同天得到数据的第一主成分的相关性。...原创 2019-10-11 15:34:38 · 1449 阅读 · 0 评论