- 博客(3)
- 资源 (18)
- 收藏
- 关注
转载 PCA 原理
PCA的数学原理作者 张洋 | 发布于 2013-06-22机器学习 线性代数 PCAPCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只描述了PCA的分析过程,而没有讲述其中的原理。
2017-02-21 12:41:30 925
原创 arg,argmin和argmax理解
argmax表示寻找具有最大评分的参量 argmax{f(x,y): x属于X}是f(x,y)在X上达到最大值时的x值,这个x值是y的函数,于是就 x(y):=argmax{f(x,y): x属于X}y = f(t) 是一般常見的函式,代表給定一个t值,丟到f函式中会回传一个值給y。y = max f(t) 代表:y 是f(t)函式所有的值中最大的output。
2017-02-16 10:38:48 4773
原创 对核函数的理解
核函数和映射没有关系。核函数只是用来计算映射到高维空间之后的内积的一种简便方法。一般英文文献对Kernel有两种提法,一是Kernel Function,二是Kernel Trick。从Trick一词中就可以看出,这只是一种运算技巧而已,不涉及什么高深莫测的东西。具体巧在哪里呢?我们如果想进行原本就线性不可分的数据集进行分割,那么选项一是容忍错误分类,即引入Soft Margin;选项二是
2017-02-11 21:51:19 2179
mercurial_extension.zip
2019-06-03
mybatis逆向工程jar组件包
2018-01-24
c3p0-0.9.2.1和mchange-commons-java-0.2.3.3
2017-11-22
aspectjweaver-1.8.7和aopalliance1.0
2017-11-15
matlab-libsvm
2015-04-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人