![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
降维方法
文章平均质量分 94
在学AI的Heath
机器视觉方向研究生在读,研究兴趣包括计算机视觉、机器学习、数据挖掘。目前正在使用“主题阅读法”学习机器学习算法。
展开
-
降维算法之线性判别分析LDA:从原理到应用 & PCA和LDA的异同
本文首先对LDA的原理和算法进行了介绍,其次比较了LDA和PCA的异同,最后使用sklearn以绘图的方式比较了LDA和PCA。原创 2023-06-24 15:29:44 · 1135 阅读 · 0 评论 -
降维算法之奇异值分解SVD:7000字长文,看这一篇就够了!
本文从奇异值分解的原理出发,从应用领域介绍了奇异值分解的性质和定义。并使用numpy、sklearn库实现了奇异值分解在简单场景的应用。原创 2023-06-09 16:54:21 · 9756 阅读 · 1 评论 -
降维算法之PCA:从原理到应用,8000多字,助你彻底理解!
本文首先使用数形结合介绍了PCA的原理,推导了PCA的公式;之后介绍了实现PCA算法的两种具体方式;最后使用sklearn库应用了PCA对图像数据进行降维。原创 2023-06-20 15:28:44 · 14262 阅读 · 2 评论 -
降维算法之弄清原因:数据挖掘or图像处理,我们为啥要进行特征工程and降维?
本文主要目的在于明确使用降维算法的原因以及简要了解主要降维算法及其在sklearn中的表现形式。从真实数据本身存在的问题出发,说明了在正式进行模型训练之前,进行数据预处理和特征工程的重要性。重点论述了作为特征提取子任务之一的降维方法:从数据分析的角度,降维能够保留数据的主要结构和信息,便于提升计算效率和可视化;从机器学习的角度,降维属于无监督学习的一种方法,可以用于监督学习的前处理。最后,简单列举了几种主要的降维算法,以及sklearn.decomposition模块中降维的方法。原创 2023-06-07 16:59:32 · 1277 阅读 · 2 评论