机器学习
文章平均质量分 83
我叫Ycg
身体的勤劳永远代替不了思维的懒惰
展开
-
机器学习 主成分分析法(PCA)创新 :基于协方差矩阵的PCA创新(GCPCA)
(大白话:就是降低维度,例如把一个三维的坐标表示成二维坐标或者一维坐标)PCA(Principal Component Analysis),即主成分分析方法,是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分,是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组相互正交的坐标轴,新的坐标轴的选择与数据本身是密切相关的。其中,第一个新坐标轴选择是原始数据中方差最大的方向,第二个新坐标轴选取是与第一个坐标轴正交的平原创 2022-10-25 23:16:47 · 924 阅读 · 0 评论 -
高斯核函数 python实现
高斯过程 Gaussian Processes 是概率论和数理统计中随机过程的一种,是多元高斯分布的扩展,被应用于机器学习、信号处理等领域。本文对高斯过程进行公式推导、原理阐述、可视化以及代码实现,介绍了以高斯过程为基础的高斯过程回归 Gaussian Process Regression 基本原理、超参优化、高维输入等问题。核函数是一个高斯过程的核心,核函数决定了一个高斯过程的性质。核函数在高斯过程中起的作用是生成一个协方差矩阵(相关系数矩阵),衡量任意两个点之间的“距离”。核函数(协方差函数)原创 2022-10-23 11:09:41 · 4181 阅读 · 1 评论 -
假设空间 机器学习
我们用0 表示这 个假设.这样,若 “色泽” “根蒂” “敲声”分别有3、2、2 种可能取值,则我 们面临的假设空间规模大小为4 x 3 x 3 + 1 = 37. 图 1.1直观地显示出了这个 西瓜问题假设空间.是的,但这是一个已见过的瓜,别忘了我们学习的 目的是“泛化”,即通过对训练集中瓜的学习以获得对没见过的瓜进行判断的能力.如果仅仅把训练集中的瓜“记住”,今后再见到一模一样的瓜当然可判 断,但是,对没见过的瓜,例如“(色泽=浅白)A (根蒂= 蜷缩)A (敲声= 浊响)” 怎么办呢?原创 2022-10-20 22:34:18 · 516 阅读 · 0 评论 -
机器学习基本术语
一条记录:对一个事件或对象(这里是一个西瓜)的描述,如:(青绿,蜷缩,浊响)就是一条记录;也叫“一个示例”或者“一条数据”或者“一个样本”,一条记录表示一个事物或对象的一些特点;数据集:就是把一些记录放到一起的集合,大家常说 D = ………… 表示包含了m个样本(或示例、数据、记录)的数据集;属性:又叫、特征。原创 2022-10-19 00:40:19 · 661 阅读 · 0 评论 -
PCA(非常详细)【机器学习】
【机器学习】降维——PCA(非常详细) - 阿泽的文章 - 知乎https://zhuanlan.zhihu.com/p/77151308PCA(Principal Component Analysis) 是一种常见的数据分析方式,常用于高维数据的降维,可用于提取数据的主要特征分量。PCA 的数学推导可以从最大可分型和最近重构性两方面进行,前者的优化条件为划分后方差最大,后者的优化条件为点到划分平面距离最小,这里我将从最大可分性的角度进行证明。原创 2022-10-13 23:55:11 · 14106 阅读 · 0 评论