机器学习
Xia_Ren
这个作者很懒,什么都没留下…
展开
-
Kernel methods
核方法(Kernel methods)核方法可以将数据集从低维映射到高维,使得线性不可分的情况变得线性可分。然而,映射后的目标空间维数太大,无法进行空间中的向量内积运算。因此我们定义了核函数,它可以代替求解高维空间中向量内积的运算。在如下的原空间中,可以用一个椭圆曲线将数据区分开:但当我们引入一个映射函数以后,新的三维空间内数据就线性可分了。定义一个Kernel Function来代...原创 2018-10-18 22:01:50 · 618 阅读 · 0 评论 -
PCA——主成分分析法
降维是对数据高维度特征的一种预处理方法。降维是将高维度的数据保留下最重要的一些特征,去除噪声和不重要的特征,从而实现提升数据处理速度的目的。在实际的生产和应用中,降维在一定的信息损失范围内,可以为我们节省大量的时间和成本。降维也成为了应用非常广泛的数据预处理方法。降维具有如下一些优点:(1)使得数据集更易使用(2)降低算法的计算开销(3)去除噪声(4)使得结果容易理解PCA(princ...转载 2018-10-23 14:00:34 · 349 阅读 · 1 评论 -
CP分解和Tucker分解的区别
CP分解图示:Tucker分解图示:两者的区别如下:1.主要区别:核张量(core tensor)Tucker分解的结果会形成一个核张量,即PCA中的主成分因子,来表示原张量的主要性质,而CP分解没有核张量。2.Tensor分解是n-秩与低秩近似,而CP分解是秩与低秩近似在CP分解时我们都是先固定秩的个数,再去迭代,即没有用到张量本身的秩;但是在Tucker分解时我们是根据张量本身...转载 2018-10-23 15:32:51 · 5655 阅读 · 0 评论