机器学习
文章平均质量分 57
瑟荻
微信公众号 mad_coder
展开
-
独立成分分析(Independent Component Analysis)
ICA是一种用于在统计数据中寻找隐藏的因素或者成分的方法。ICA是一种广泛用于盲缘分离的(BBS)方法,用于揭示随机变量或者信号中隐藏的信息。ICA被用于从混合信号中提取独立的信号信息。ICA在20世纪80年代提出来,但是知道90年代中后期才开始逐渐流行起来。ICA的起源可以来源于一个鸡尾酒会问题,我们假设三个观测点x1,x2,x3,放在房间里同时检测三个人说话,另三个人的原始信号为s1,s2,s原创 2015-04-19 12:52:51 · 12136 阅读 · 2 评论 -
PCA算法和实例
PCA算法算法步骤: 假设有m条n维数据。 1. 将原始数据按列组成n行m列矩阵X 2. 将X的每一行(代表一个属性字段)进行零均值化,即减去这一行的均值 3. 求出协方差矩阵C=1/mXXT 4. 求出协方差矩阵的特征值以及对应的特征向量 5. 将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P 6. Y=PX即为降维到k维后的数据实例 以这个为例,我们用PCA原创 2015-06-20 09:11:39 · 11468 阅读 · 2 评论 -
奇异值分解基础(SVD)
最近要了解一下Incremental PCA的一些知识,然后看到一篇论文里面讲到了SVD(奇异值分解),奈何自己以前没有把机器学习的课好好上,现在很多东西还是要补回来。所以,我就想了解一些SVD的基础知识。 PCA的实现一般有两种方法,一种是用特征值分解去实现,一种是用奇异值分解去实现的,SVD貌似在很多领域都有很重要的应用。特征值和特征向量特征值和特征向量是线性代数里面的基础知识,相信大部分人都原创 2015-06-27 18:10:15 · 1425 阅读 · 0 评论 -
differential evolution代码实例(DE算法)
DE算法是遗传算法中一种比较流行的算法,这种算法比较简单,速度也比较快,下面给出一份示例代码clear all; close all; clc 2 %Function to be minimized 3 D=2; 4 objf=inline(’4*x1^2é2.1*x1^4+(x1^6)/3+x1*x2é4*x2^2+4*x2^4’,’x1’,’x2’); 5 objf=vectorize(原创 2015-10-26 08:44:06 · 1492 阅读 · 0 评论 -
柯西分布
柯西分布的概率密度函数是: t是location parameter,s是scale parameter.当t=0以及s=1的时候称为标准柯西分布,标准柯西分布的密度函数是: 下面的是标准柯西分布概率密度函数分布图:原创 2015-10-12 18:49:39 · 19628 阅读 · 2 评论