![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 52
一天到晚游泳的鱼哈
这个作者很懒,什么都没留下…
展开
-
分类器简单介绍
1. 这个问题本身是个meta-learning,即对方法进行分类-> 不可能有定论,以上抽样举例式的回答是一种回答方式,这里尝试从抽象层面进行回答。2. 总体上总是可以分成高维方法和低维方法。高维亦即非参数模型,低维即参数模型。显然,非参数方法集之于参数方法集如同无理数集之于有理数集。3. 参数方法的一个大块是线性模型,统计中这叫回归,数学中这叫投影。这反映了一个应用数学式的思路:一开始原创 2017-10-22 14:20:47 · 2950 阅读 · 3 评论 -
PCA降维
预备知识:若矩阵A相似于某对角矩阵D。求A的特征值以及特征向量,则不同特征值对应的特征向量线性无关,同一特征值的特征向量线性相关。用主成分分析来降维用特征脸进行脸部识别PCA:PCA不仅仅是降维,而且通过降维去除了数据中的噪声(how???),发现了数据中的模式。PCA把原先的n个特征用m个特征取代,新特征是旧特征的线性组合,这些线性组合最大化了样本方差(但是对于我们用于机原创 2017-10-22 15:43:47 · 379 阅读 · 0 评论