学习笔记(06):第四章：非监督学习-Scikit-Learn中的PCA

最新推荐文章于 2022-05-09 16:50:50 发布
最新推荐文章于 2022-05-09 16:50:50 发布
阅读量71 收藏
点赞数
分类专栏： 研发管理 文章标签： 非监督学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_41475087/article/details/104505349
版权

立即学习:https://edu.csdn.net/course/play/10583/236131?utm_source=blogtoedu

通常对训练数据fit后再对测试数据transform得到降维后的表示。当然训练模型的时候，也可以直接对训练数据调用fit_transform，这就是区别。 这就是他们之间的区别。

其他形式的pca

IncrementalPCA

KernelPCA:通过核方法扩展pca，实现非线性降维。

SparsePCA：稀疏PCA

MiniBatchSparsePCA

TruncatedSVD：只计算k个最大的奇艺值，接收稀疏矩阵的输入。

 

sysu_hkh
关注
专栏目录
机器学习笔记 - 基于Scikit-Learn的各种分类器进行分类并比较
学以致用 知行合一
06-15 763
scikit-learn是基于python语言构建机器学习应用程序的最佳库之一。简单易用，并且它有很多示例和教程。除了监督式机器学习（分类和回归）外，它还可用于聚类、降维、特征提取和工程以及数据预处理。该接口在所有这些方法上都是一致的，因此它不仅易于使用，而且也很容易构建一个大型分类器/回归模型集合并使用相同的命令训练它们。我们这里基于scikit-learn构建，训练，评估和验证分类器，通过超参数优化改进初始分类器。这里通过两个简单的示例数据集来进行分类。
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（1）
Morganfs的博客
04-08 1625
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》 - 第一章：机器学习概览，学习内容 Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O'Reilly). Copyright 2019 Aurélien Géron, 978-1-492-03264-9.
Python中的隐式马尔可夫模型，具有类似于API的scikit-learn-Python开发
05-25
hmmlearn hmmlearn是用于无监督学习和隐马尔可夫模型推断的一组算法。 有关HMM和类似模型的监督学习，请参见seqlearn。 注意：该程序包具有最新的hmmlearn hmmlearn是用于无监督学习和隐马尔可夫模型推断的一组算法。 有关HMM和类似模型的监督学习，请参见seqlearn。 注意：此软件包目前没有维护者。 没有人会回答问题。 特别是，在Github上提供此代码的人员将不会以任何方式回答问题，修复错误或维护程序包。 如果您有兴趣贡献或修复错误，请在Github上打开一个问题，我们
[Python3] 机器学习 ——（二）Scikit-Learn简介
進撃の算法
05-17 3300
二、Scikit-Learn简介 Scikit-Learn为各种常用机器学习算法提供了高效版本。 （一）Scikit-Learn的数据表示 机器学习是从数据创建模型的学问，因此首先需要了解怎样表示数据爱你让计算机理解。Scikit-Learn认为数据表示（data representation）最好的方法就是用数据表的形式。 1. 数据表 基本的数据表就是二维网格数据，其中的每一行表示数据集中的每个样本（samples），而列表示构成每个样本的相关特征（features）。 # 鸢尾花数据集 import
scikit-learn的简单使用
哎一入江湖岁月催的专栏
04-23 3430
专门用于机器学习的模块。分类，回归，无监督，数据降维，数据预处理等等，包含了常见的大部分机器学习方法。 官网：https://scikit-learn.org 使用前安装该模块：使用pycharm可以进入 Settings-> Project ->Project Interpreter -> 点击右侧，绿色加号 在出来的搜索框输入sklearn-> 点击下面的In...
【Scikit-Learn 中文文档】神经网络模型（无监督）- 无监督学习 - 用户指南 | ApacheCN
妳那伊抹微笑的专栏
11-27 888
Restricted Boltzmann machines (RBM)（限制玻尔兹曼机）是基于概率模型的无监督非线性特征学习器。当用 RBM 或 RBMs 中的层次结构提取的特征在馈入线性分类器（如线性支持向量机或感知机）时通常会获得良好的结果。 该模型对输入的分布作出假设。目前，scikit-learn 只提供了 BernoulliRBM，它假定输入是二值的，或者是 0 到 1 之间的值，每个值都编码特定特征被激活的概率。 RBM 尝试使用特定图形模型最大化数据的可能性。所使用的参数学习算法（ Stoch
无监督学习 | KMeans之Sklearn实现：电影评分聚类
侠的博客
09-08 8685
文章目录1. KMeans in Sklearn2. Sklearn 实例：电影评分的 k 均值聚类2.1 数据集概述2.2 二维 KMeans 聚类3. 肘部法选取最优 K 值4. 多维 KMeans 聚类4.1 三维 KMeans 聚类4.2 高维 KMeans 聚类4.2.1 热力图可视化4.2.2 稀疏 csr 矩阵4.2.3 利用聚类结果进行预测4.2.4 利用聚类结果进行推荐 相关文章...
scikit-learn学习笔记.pdf
06-06
Scikit-learn是Python编程语言中的一个强大机器学习库，被广泛用于数据挖掘、数据分析以及机器学习项目。这个库提供了一系列高效且易于使用的工具，帮助数据科学家进行预处理、建模、评估等任务。 **主要特点：** 1...
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（8）：降维
Morganfs的博客
05-08 1307
· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron, 978-1-492-03264-9. · 《机器学习》周志华 · 环境：Anaconda（Python 3.8） + Pycharm · 学习时间：2022.05.07~2022.05.08 第八章 降维 许多机器学习问.
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（9）：无监督学习技术
Morganfs的博客
05-09 1174
3万字长文，主要介绍聚类、无监督和半监督技术。
SciKit-learn轻松使用机器学习（3）sklearn & 机器学习
Techblog of HaoWANG
04-08 778
主要内容： 无监督学习.Sklearn 监督学习.Sklearn 强化(增强)学习.Sklearn sklearn是一种基于特征工程的传统机器学习方法库，下图阐述了其与深度学习的不同点 无监督学习（Un'supervised Learning） 简单来讲，无监督学习包含两大主要任务，即利用无标签的数据学习数据总体的分布或者数据与数据之间的关系。 无监督学...
运用scikit-learn库进行线性和非线性分类
王樰沫
02-08 1765
运用scikit-learn库对鸢尾花数据进行分类一、线性分类（一）感知器算法（二）Logistic回归(三）SVM（支持向量机）(四）决策树(五）随机森林二、非线性分类（一）核SVM(二）K近邻算法 鸢尾花数据是进行机器学习常用的数据之一，本文就鸢尾花数据对分类进行系统的学习。鸢尾花数据获得来自http://archive.ics.uci.edu/ml/machine-learning-data...
python sklearn无监督数据分析测试
qq_20373723的博客
12-06 2450
数据如下格式，这些数据没有标签，需求是想把它们做个聚类，但又不知道可以分几类，那就只能尝试下无监督的方法。 python的sklearn包中有很多无监督聚类方法，下面先做下简单的测试，代码如下 from sklearn.cluster import KMeans, Birch, DBSCAN, MeanShift, estimate_bandwidth, SpectralClustering from sklearn import metrics from sklearn.metrics...
无监督学习 | PCA 主成分分析原理及Sklearn实现
侠的博客
10-14 1176
文章目录1. 降维2. PCA2.1 最大化方差和最小化损失2.2 坐标轴旋转3. PCA 推导3.1 PCA 算法推导3.2 维数选择4. Sklearn 实现4.1 主成分可视化参考文献 相关文章： 机器学习 | 目录 1. 降维 假设你在使用一组数据来预测房价，你的数据包含以下特征： 房子面积 房间数量 附近学校排名 社区安全 但是可以看出，1、2 在于描述房子的大小，而...
【Scikit-Learn 中文文档】密度估计 - 无监督学习 - 用户指南 | ApacheCN
妳那伊抹微笑的专栏
11-27 713
密度估计在无监督学习，特征工程和数据建模之间划分了界线。一些最流行和最有用的密度估计方法是混合模型，如高斯混合( sklearn.mixture.GaussianMixture ), 和基于邻近的方法( sklearn.neighbors.KernelDensity )，如核密度估计。 clustering 一节中更充分地讨论了高斯混合，因为此方法也用作为一种无监督聚类方案。 密度估计是一个非常简单的概念，大多数人已经熟悉了其中一种常用的密度估计技术：直方图。
Python 数据科学手册 5.2 Scikit-Learn 简介
热门推荐
龙哥盟
06-30 4万+
5.2 Scikit-Learn 简介 原文：Introducing Scikit-Learn 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 有几个 Python 库提供一系列机器学习算法的实现。最著名的是 Scikit-Learn，一个提供大量常见算法的高效版本的软件包。 Scikit-Learn 的特点是
机器学习之scikit-learn库的使用
diaodengzhi0861的博客
01-10 472
1、scikit-learn库简介 scikit-learn是一个整合了多种常用的机器学习算法的Python库，又简称skLearn。scikit-learn非常易于使用，为我们学习机器学习提供了一个很好的切入点。 2、机器学习基础 机器学习这门学科主要分为有监督学习、无监督学习，以及强化学习。有监督学习指的是使用有类标的训练数据构建模型，我们可以使用这个训练得到的模型对未知...
【Scikit-Learn 中文文档】高斯混合模型 - 无监督学习 - 用户指南 | ApacheCN
妳那伊抹微笑的专栏
11-23 1544
sklearn.mixture 是一个应用高斯混合模型进行非监督学习的包，支持 diagonal，spherical，tied，full四种协方差矩阵 （注：diagonal指每个分量分布有各自不同对角协方差矩阵，spherical指每个分量分布有各自不同的简单协方差矩阵， tied指所有分量分布有相同的标准协方差矩阵，full指每个分量分布有各自不同的标准协方差矩阵） ，它对数据进行抽样，并且根据数据估计模型。同时包也提供了相关支持，来帮助用户决定合适的分量分布个数。 ../_images/sphx_g
机器学习（二）之无监督学习：数据变换、聚类分析
snail9610的博客
05-04 3661
文章目录0 本文简介1 无监督学习概述2 数据集变换2.1 预处理和缩放2.2 程序实现2.3 降维、特征提取与流形学习2.3.1 主成分分析2.3.2 非负矩阵分解2.3.3 用t-SNE进行流形学习3 聚类3.1 K均值聚类3.2 凝聚聚类3.3 DBSCAN3.4 聚类算法的对比与评估4 聚类分析小结4 聚类分析小结 0 本文简介 本文根据Andreas C.Muller的《Introduc...
Python机器学习实践：scikit-learn与有监督学习
"Python通过scikit-learn学习机器学习，重点在于有监督学习，涉及环境搭建、数据处理、Iris数据库的使用，以及KNN分类和模型参数验证。 在机器学习领域，有监督学习是一种常见的方法，它依赖于已有的特征（Features...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值