SVD
奋斗的小炎
设计推荐算法,接触过自然语言处理,对于人工智能领域的学习永无止境
展开
-
特征值分解与奇异值分解原理与计算
(一)特征值如果一个非零向量v是方阵A的特征向量,将一定可以表示成下面形式,而λ是特征向量v对应的特征值:特征值分解是将一个矩阵分解成下面的形式:其中Q是这个矩阵A的特征向量组成的矩阵,Σ是一个对角阵,每一个对角线上的元素就是一个特征值。一个矩阵的一组特征向量是一组正交向量。【练习题】求解矩阵A的特征值与特征向量。方阵的特征值表示什么含义呢,我们通过一组向量图表示。初始状态下,i(红色)和j(蓝色...原创 2018-05-25 01:36:39 · 7876 阅读 · 1 评论 -
LDA(Dirichlet Distribution)主题模型基本知识与理解(一)
最近在研究无监督模型与降维技术,说起无监督模型,我们首先想到的是聚类技术(Clustering),而在实际生产中,很多方法可以被用来做降维(正则化Lasso/Ridge回归、PCA主成分分析、小波分析、线性判别法、拉普拉斯特征映射等),其中基于主成分分析(PCA)的Topic Model技术包含了pLSA、LDA、SVD分解等。+本文为大家科普一下,作为一名机器学习相关工作者,本人对LDA的基本...原创 2018-05-28 20:50:19 · 4248 阅读 · 0 评论 -
LDA(Dirichlet Distribution)主题模型基本知识与理解(二)
在第一部分博客里已经讲解了LDA的一些基本组成,这篇博文将会讲解LDA在NLP方面的应用。望大家继续支持上一篇博文:https://blog.csdn.net/Little_Fire/article/details/80483566(三)Dirichlet分布在NLP中的应用(关于topic生成word的过程)根据上文中提到了的掷硬币的例子,假设自然语言中存在很多奇怪的coin(religion、...原创 2018-05-28 22:31:51 · 755 阅读 · 0 评论 -
机器学习中高维数据降维技术的总结与研究
本文有比较多的转载其他研究人员的博客https://blog.csdn.net/u014772862/article/details/52335970作为一名机器学习的科研人员,之前在推荐系统的开发和工作中,学习了PCA(主成分分析)与SVD(奇异值分解)方面的技术,但是还没有写过总结性的文章,此次,本人总结一些关于降维技术的调研,希望大家多多指教。降维方法一般分为线性降维方法和非线性降维方法,如...转载 2018-05-29 15:09:23 · 10765 阅读 · 1 评论 -
(转载)特征工程概述与理解
https://blog.csdn.net/NXHYD/article/details/76787801目录1 特征工程是什么?2 数据预处理 2.1 无量纲化 2.1.1 标准化 2.1.2 区间缩放法 2.1.3 标准化与归一化的区别 2.2 对定量特征二值化 2.3 对定性特征哑编码 2.4 缺失值计算 2.5 数据变换3 特征选择 3.1 Filter ...转载 2018-05-29 17:36:46 · 319 阅读 · 0 评论 -
(转载)推荐系统与隐语义模型LFM概述
转载一篇再推荐系统领域工程实用性很强的文章:http://www.shuang0420.com/2017/02/17/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F--%E9%9A%90%E8%AF%AD%E4%B9%89%E6%A8%A1%E5%9E%8BLFM/本篇文章主要介绍 隐语义模型 LFM(latent factor model)。隐语义模型最早在文本挖掘领域...转载 2018-06-21 18:37:52 · 773 阅读 · 0 评论 -
svd与svd++联系与区别
最近一直在做基于SVD推荐方面的工作,主要使用的是Mahout提供的cf.taste.impl.recommender.svd包下的推荐器,这里有一段参考代码,使用的推荐器是SVDRecommender,如下所示:public class SVDRecommenderEx { private static String input = "/Users/harikrishna_gurram/cus...原创 2018-06-14 15:45:23 · 2488 阅读 · 0 评论