简化数据
降维技术
1. PCA
- 按照数据方差最大方向调整数据的主成分分析降维
2. SVD
- 用奇异值分解矩阵,通过对原始数据的逼近来达到降维目的
(书上用的NumPy中的linglg线性代数工具箱实现,关于矩阵这一块的知识需要恶补,暂时continue)
3. 总结
- 到这里基本上把机器学习实战的所有代码实现都过了一遍,前面几章的代码看得比较透彻,到后几章有点马马虎虎,笔记也做得一塌糊涂,但是结合应用已经很好的理解了不少机器学习的算法
- 接下来并不打算看周志华的机器学习深入学习算法了,之后的打算是花一周时间学习巩固线性代数、 概率与信息论和数值计算等数学知识,便开始进入深度学习环节
- 传统机器学习就此告一段落,之后有需求再来回顾一些算法推理
- 最后,数学才是这个世界的主宰!