【cs229-Lecture14】主成分分析法

最新推荐文章于 2024-07-26 13:24:37 发布
最新推荐文章于 2024-07-26 13:24:37 发布
阅读量112 收藏
点赞数
文章标签： 人工智能

本节课内容：

  • 因子分析

                  ---因子分析中的EM步骤的推导过程

  • 主成份分析：有效地降低维度的方法

因子分析

混合高斯模型的问题

image

image

接下来讨论因子分析模型，在介绍因子分析模型之前，先看高斯分布的另一种写法，该
写法是推导因子分析模型的基础。

高斯分布的矩阵写法

因子分析模型

image 

因子分析模型的推导

EM 求解参数

image

PCA(Principal  Components  Analysis,  主成分分析)，也是一种降维方法

主要介绍 PCA(Principal  Components  Analysis,  主成分分析)，也是一种降维方法，但是该方法比较直接，只需计算特征向量就可以进行降维了。

引入

image

image

PCA 模型的定义

image

image

weixin_33682719
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CS229 Lecture 14
Light_blue_love的专栏
08-02 172
CS229 Lecture 14 课程要点： Factor Analysis - EM step Principal Components Analysis (PCA)
cs231n-Lecture5
sun1398的博客
06-29 382
CS231N–神经网络训练 一、作业讲解 Assignment2：CNN训练作业，预训练与细调，CNN先在ImageNet进行大量数据训练，在在小批量数据中进行训练。 1. CNN的迁移学习 可以先使用CNN在比如ImageNet这样的大数据集上先进行预训练，熟练好权重和超参数，去掉最上方的分类层，看成是一个固定特征提取器 自己的数据量较少的时候可以仅仅替换最后的分类层；...
CS224n NLP-Lecture 1: Introduction/第一讲-NLP和深度学习入门
夏普通
03-03 1503
课件: lecture01（链接地址： https://download.csdn.net/download/qq_34243930/10982630） 观看视频1（链接地址： https://www.bilibili.com/video/av41393758/?spm_id_from=333.788.videocard.2） 正巧在2017年，旧版的CS224d与旧版CS224n合并为新版CS...
斯坦福CS231n - CNN for Visual Recognition（6）-lecture5预处理、正则化、损失函数
zhili8866的博客
11-30 3395
本节主要讲了数据预处理、正则化以及损失函数 数据预处理关于数据预处理我们有3种常用的方式，假设数据矩阵XX，假设其尺寸是[N,D][N ,D]（NN是数据样本的数量，DD是数据的维度）。去均值去均值是预处理最常见的。对待训练的每一张图片的特征，都减去全部训练集图片的特征均值。它对数据中每个独立特征减去平均值，从几何上可以理解为在每个维度上都将数据云的中心都迁移到原点。在numpy中，该操作可以通过代
CS231n 2017 Spring Lecture6 Training Neural Networks Ⅰ总结
guojc学习历程
01-12 223
CS231N 2017 Spring Lecture6
CS231n系列课程Lecture 5:Train Neural Networks, Part 1
Felaim的博客
04-15 1142
第五课的链接: http://pan.baidu.com/s/1eS89t8e 密码: 79te课程首先讲了两个误区：1）卷积神经需要很多数据进行训练，这是错误的，通常情况下我们可以使用训练好的网络对其进行微调（finetune）就可以了。如果数据集的尺寸很小，可以直接改最后一层softmax分类器。如果数据集的尺寸中等，可以对网络进行微调，重新训练全部网络或对某些高层的网络进行训练。（例如：使用c
机器学习 —— 基础整理（四）特征提取之线性方法：主成分分析PCA、独立成分分析ICA、线性判别分析LDA...
weixin_34341229的博客
04-13 1340
本文简单整理了以下内容： （一）维数灾难 （二）特征提取——线性方法 1. 主成分分析PCA 2. 独立成分分析ICA 3. 线性判别分析LDA （一）维数灾难（Curse of dimensionality） 维数灾难就是说当样本的维数增加时，若要保持与低维情形下相同的样本密度，所需要的样本数指数型增长。从下面的图可以直观体会一下。当维度很大样本数量少时...
梯度下降法原理和matlab仿真分析
Louis___Zhang的博客
12-10 9827
1 引言 梯度下降法（Gradient Descent）也称为最速下降法（Steepest Descent），是法国数学家奥古斯丁·路易·柯西 (Augustin Louis Cauchy) 于1847年提出来，它是最优化方法中最经典和最简单的一阶方法之一。梯度下降法由于其较低的复杂度和简单的操作而在很多领域得到广泛研究和应用，如机器学习。由梯度下降法衍生了许多其他算法，如次梯度下降法，近端梯度下降法，随机梯度下降法，回溯梯度发，动量加速梯度法等等。本文只介绍最基础的梯度下降法原理和理论分析，与此同时，通过
CS224N WINTER 2022（一）词向量（附Assignment1答案）
热门推荐
一只热爱奔跑的程序猿
05-28 1万+
伊始
cs480-lecture10_machinelearning_
09-30
聚类算法如K-means和层次聚类，以及降维技术如主成分分析（PCA）和潜在语义分析（LSA）可能是讲解的重点。 四、深度学习 深度学习是近年来机器学习的热点，特别是神经网络的发展，如卷积神经网络（CNN）用于图像...
CS229 Lecture Notes
08-28
CS229 Lecture Notes
CS229 Lecture notes
10-30
Generative Learning algorithms So far, we’ve mainly been talking about learning algorithms that model p(y|x; θ), the conditional distribution of y given x. For instance, logistic ...
cs480-lecture11_machinelearning_
10-04
waterloo lecture CS 680 fall 2020 part 11
cs480-lecture3_machinelearning_
10-03
waterloo lecture CS 680 fall 2020 part 3
2024钉钉杯A题思路详解
最新发布
全栈川川
07-26 1087
2024钉钉杯思路
2024年7月16日~2024年7月22日周报
m0_53096519的博客
07-22 1286
本周完成论文初稿、5000小实验以及数据训练方式初了解。
随机数种子的作用
帆的博客
07-23 1259
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
常见的文心一言的指令
知码客
07-25 852
文心一言，作为百度研发的预训练语言模型“ERNIE 3.0”的一项功能，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。
深度学习与NLP：斯坦福CS224N课件- Lecture3 更深入的词向量分析
此外，还涉及到如何分析词向量，并回顾了word2vec的主要思想，包括通过预测词的上下文来训练模型，使用随机梯度下降法更新词向量，以及处理数据稀疏性的问题。" 在自然语言处理领域，词向量（Word Vectors）是至关...
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