![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
statistics
文章平均质量分 84
SUFEHeisenberg
在读PhD,研究兴趣为NLP方向。
展开
-
Python实现Welch‘s T-test
Welch’s T-test原创 2022-11-15 18:18:22 · 2592 阅读 · 0 评论 -
【2022版】基于矩阵分解的PCA 白化&ZCA白化
【2022版】基于矩阵分解的PCA 白化&ZCA白化原创 2022-11-14 07:22:23 · 566 阅读 · 0 评论 -
CUR矩阵分解
CUR矩阵分解原创 2022-11-12 18:59:36 · 1328 阅读 · 0 评论 -
Python计算余弦相似度的方法及时间比较
Python计算余弦相似度的方法及时间比较形如有一个矩阵ashape形如(4,99999)和bshape形如(32,99999),a的每一行去和b的每一行做余弦相似度计算,output一个shape形如(4,32)的余弦相似度矩阵。a = np.random.random(size = (4,99999)).tolist()b = np.random.random(size = (32,99999)).tolist()1. Scipyfrom scipy import spatialt1 =原创 2021-10-06 17:14:24 · 1026 阅读 · 0 评论 -
Paper Reading《Optimal Whitening and Decorrelation》
Paper Reading《Optimal Whitening and Decorrelation》@author:Heisenbergpaper urlcode url论文发表自2016《 The American Statistician》,主要涉及了PCA、PCA-cor、ZCA、ZCA-cor以及Cholesky分解五种白化方法的理论推导证明以及在鸢尾花数据集上的测试表现。最终结论是ZCA-cor白化得到与原始变量最大相似的球形变量;PCA-cor白化能得到与原始变量最大压缩的球形变量。原创 2021-03-19 23:15:34 · 346 阅读 · 0 评论 -
基于矩阵分解的PCA 白化&ZCA白化
基于矩阵分解的PCA 白化&ZCA白化@author: Heisenberg主成分分析(principal component analysis, PCA)是一种常用的数据降维算法。主要思想是将nnn维的向量映射到kkk维上,这kkk维全新的正交特征也被成为主成分。通过计算数据矩阵XXX的协方差矩阵Σ\SigmaΣ,得到协方差矩阵的特征值特征向量,选择方差最大(也即特征值最大)的k个特征(坐标轴方向)组成的矩阵,以将原来的XXX变换到新的空间上。做whitening白化(亦作sphering,原创 2021-03-14 15:12:31 · 672 阅读 · 2 评论