降维
wangfenghui132
这个作者很懒,什么都没留下…
展开
-
LDA算法入门
摘自:http://blog.csdn.net/warmyellow/article/details/5454943一. LDA算法概述:线性判别式分析(LDA),也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD),是模式识别的经典算法,它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式转载 2015-11-29 21:00:57 · 580 阅读 · 0 评论 -
线性判别分析(Linear Discriminant Analysis)
1. 问题 之前我们讨论的PCA、ICA也好,对样本数据来言,可以是没有类别标签y的。回想我们做回归时,如果特征太多,那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维,但PCA没有将类别标签考虑进去,属于无监督的。 比如回到上次提出的文档中含有“learn”和“study”的问题,使用PCA后,也许可以将这两个特征合并为一个,降了维度。但假设我们的转载 2015-11-30 13:56:13 · 512 阅读 · 0 评论 -
让你惊艳的PCA
我一直误以为自己记述了这个历程,今天翻开博客发现竟然没有任何记录。事情从很早前的一个失眠的夜晚说起,一个数据集假设有d个特征属性,但是我想使用d’ < d个特征属性来尽可能的表示这个特征,那我要怎么做,那么我如何尽可能多的保留原始数据的信息呢。暂且以二维数据d=2为例,后面会扩展到多维d > 2。 如下图所示,这些二维的数据,可以通过两个坐标轴的数值完完全全的反映数据的信息。那么我能不能通过一个数原创 2017-06-11 22:36:13 · 356 阅读 · 0 评论