自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

原创 变分自动编码 Variational Autoencoder

VAE 推算过程:1,假设z为高斯分布,计算每个每个z的weight p(z).2.计算出u(z) 和o(z)3.把x带入每个高斯分布中(因为u(z) 和o(z) 已经算出。由此计算p(x|z),4.计算p(x) 下图所示:这样我们就得到了p(x) 的概率分布。这个分布体现组成x的不同特征。这里的每个z都对应一个高斯分布至于每个点对应的是哪个高斯分布以及他们的u 和o 各是多少是由某一...

2020-03-05 11:43:17 427

原创 深度自动编码降维技术 Deep Auto-encoder

上一章介绍了非线性降维T-NSE 技术因为T-NSE 技术在数据较多的时候运算速度会慢,在做数据可视化的时候会用的比较多,其核心思想就是把原本sne只能辨识在高维空间上相近的点映射到低维空间上仍然接近,但是当在高维空间上距离相距较远的时候映射的低维空间上便不好分辨了。由此当把sne 放到 t 分布上时就实现了距离相近的仍然相似,距离远的在低维空间上也会被分的很清晰。...

2020-02-29 17:51:55 2110

原创 T-SNE笔记 无痛理解

首先看下面两个图,作左图是t-SNE降维后得到的,有图是PCA 降维后得到的。很明显t-SNE将分的更加清晰,而PCA则重叠严重。t-sne 是一种非线性的降维方法,一般可视化用的比较多,利用t-sne 可以把高维数据降维到2维或者3维空间上,然后各个数据点跟自己在高维空间上相近的数据点聚集在一起 好比空中漂浮的不同颜色的小球 让它们落地后 再根据原本在空中的聚集情况聚集在一起。t-sne的...

2020-02-26 13:31:30 2659

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除