- 博客(2)
- 资源 (3)
- 收藏
- 关注
RSS订阅转载 主成分分析PCA
本文转自： 主成分分析PCA降维的必要性： 1.多重共线性–预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。 2.高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间，而在十维空间上只有0.02%。 3.过多的变量会妨碍查找规律的建立。 4.仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个
2015-10-29 14:40:27
487
转载 例说Hausdorff距离
转自：例说Hausdorff距离给定欧氏空间中的两点集 ， ，Hausdorff距离就是用来衡量这两个点集间的距离。 其中， ， 。 称为双向Hausdorff距离， 称为从点集A到点集B的单向Hausdorff距离。相应地 称为从点集B到点集A的单向Hausdorff距离。 下面从一个例子来理解Hausdorff距离。 上图中，给出了A,B,C,D四条
2015-10-13 21:21:45
681
Mean-Shift原理概述
Mean-Shift原理概述，挺详细的
Mean Shift 这个概念最早是由 Fukunaga 等人[1]于 1975 年在一篇关于概率密度梯度函
数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里 Mean Shift是一个名
词,它指代的是一个向量,但随着 Mean Shift 理论的发展,Mean Shift 的含义也发生了变化,如果
我们说 Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其
偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.
2015-08-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人