本系列文档按课程视频的章节(P+第几集)进行分类,记录了学习时的一些知识点,方便自己复习。
课程视频P73
** 将旧的特征 x 1 x_1 x1, x 2 x_2 x2, x 3 x_3 x3, x 4 x_4 x4…通过核函数变成新的特征 f 1 f_1 f1, f 2 f_2 f2, f 3 f_3 f3, f 4 f_4 f4…**
课程视频P74——SVM参数特点
** 符合正态分布的函数图像特点。**
课程视频P75——K-means算法
**随机初始化。
**
课程视频P81——数据压缩
通过降维的方式来压缩数据,不仅可以节约内存空间,还可以加快运行速度。
对于数据集的可视化,假设数据集本身有n的feature,我们想要可视化这个数据集,则需要进行降维处理,将其降成k维,其中k≤n,一般情况下,我们k取2或者3,因为二维和三维的可视化图形比较直观。当然我们在进行降维处理的时候可能会失去一些特征,这时候可能需要保留那些比较能反映出数据特点的特征。
未完待续…