数据降维

主成分分析PCA(Principal Component Analysis)

PCA是一种常见的基于线性变换的数据降维方法，能够将原始数据变换为一组各维度线性无关的表示。
陈小默cxm·2019-10-22 16:29

PCA降维（主成分分析）处理训练集后，线上正式数据应该如何处理？

训练数据集在使用PCA进行数据降维后，用基本分类器进行训练得到一个分类模型，那线上预测真实数据应该怎么办？应该不能直接放入训练的分类模型中去吧？
levy_cui·2019-10-21 19:48

机器学习基础——数据降维

数据降维数据降维是机器学习领域中非常重要的内容，所谓的降维就是指采用某种映射方法，将高维空间中的数据点映射到低维度的空间中。
绝尘花遗落·2019-09-20 21:30

PCA和LDA简介

PCA:PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一种使用最广泛的数据降维算法，可用于提取数据的主要特征分量。
星落秋风五丈原·2019-09-17 13:21

PPCA EM理解

(一般这种具有复杂的公式而且还是看别人博客的笔记我是不愿意放在CSDN可是我的印象笔记突然不能登录了)推公式的部分基础知识高斯分布相乘PPCA详细的话先看数据降维找其中的第六章PRML读书笔记：ProbabilisticPCA
长虹剑·2019-09-14 01:41

第8章 降维

第8章降维写在前面参考书《机器学习实战——基于Scikit-Learn和TensorFlow》工具python3.5.1，JupyterNotebook,Pycharm数据降维的两种主要方法投影流形学习流形假设
李英俊小朋友·2019-08-28 16:00

PCA(主成分分析)原理,步骤详解以及应用

PrincipalComponentAnalysis)一个非监督的机器学习算法主要用于数据的降维处理通过降维,可以发现更便于人类理解的特征其他应用:数据可视化,去噪等 主成分分析是尽可能地忠实再现原始重要信息的数据降维方法
VitoLin·2019-08-18 12:00

PCA(主成分分析)原理,步骤详解以及应用

PrincipalComponentAnalysis)一个非监督的机器学习算法主要用于数据的降维处理通过降维,可以发现更便于人类理解的特征其他应用:数据可视化,去噪等 主成分分析是尽可能地忠实再现原始重要信息的数据降维方法
VitoLin·2019-08-18 12:00

PCA(主成分分析)原理,步骤详解以及应用

PrincipalComponentAnalysis)一个非监督的机器学习算法主要用于数据的降维处理通过降维,可以发现更便于人类理解的特征其他应用:数据可视化,去噪等 主成分分析是尽可能地忠实再现原始重要信息的数据降维方法
VitoLin·2019-08-18 12:00

SKlearn - PCA数据降维

PCA是无监督数据降维方式，目的是将一个高维数据集转换为一个低维数据集。如今我们的数据集往往有成百上千维的特征，但并不是所有的特征都很重要，通过降维，去除那些不重要的特征。
taon·2019-08-16 20:03

信用卡反欺诈消费预测模型

缺省值检测3.3、单一特征在所有类别中的分布3.4、每个特征在所有类别中的分布3.5、彼此特征之间的相关性矩阵3.6、高维特征空间在低维空间的分布4、特征工程4.1、特征标准化4.2、特征选择4.3、数据降维
PrivateEye_zzy·2019-08-02 13:30

tensorflow实战自学【二】

tensorflow实现去噪自编码器自编码器（autoencoder）：是一种无监督学习算法，主要用于数据降维，或者提取特征。在深度学习中，autoencoder可在训练开始前，提供权重矩阵的初始值。
永久的悔·2019-07-22 16:44

做数据分析为何要学统计学（3）——相关性分析

在样本数据降维（通过消元减少降低模型复杂度，提高模型泛化能力）、缺失值估计、异常值修正方面发挥着极其重要的作用，是机器学习样本数据预处理的核心工具。
interbigdata·2019-07-13 13:30

《Hands-On Machine Learning with Scikit-Learn and TensorFlow》 学习笔记第六篇----机器学习中的降维方法

文章目录降维的意义数据降维方法投影流形学习数据降维主要技术PCA增量PCAKernalPCALLELDA总结降维的意义许多机器学习问题涉及训练实例的几千甚至上百万个特征，这不仅导致训练非常缓慢，也让我们更加难以找到好的解决方案
田田天天甜甜·2019-07-03 09:32

学习：tSNE—高维数据降维可视化（实践部分）-Kmeans聚类

复制链接1复制链接importpandasaspdcust_sale=pd.read_excel('C:/Users/XI/fzql.xls')cust_sale=pd.merge(temp1,temp2,on='CUST_ID',how='inner')cust_sale=cust_sale.dropna()cust_sale.head()importsklearn.preprocessinga
BruceCheen·2019-06-26 10:38

跟我一起学scikit-learn21：PCA算法

假设需要把一个二维数据降维成一维数据，要怎么做呢？如下图所示。fig
金字塔下的小蜗牛·2019-06-22 23:08

主成分分析(PCA)原理及R语言实现及分析实例

p=2724主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。
拓端研究室·2019-06-17 17:28

数据降维(data dimension reduction)

数据降维的根本：降低数据维度、降维后的数据能尽可能的代表原始数据。数据降维和特征选择是存在差异的，二者最终的目的都是
Tonywu2018·2019-06-15 15:16

详解独立成分分析

最近在学习数据降维的一些方法(有关数据降维的其他内容请看这篇文章)，虽然独立成分分析不算是严格意义上的降维方法，但是它和PCA有着千丝万缕的联系，所以打算专门写一篇文章来学习ICA的相关知识，看了挺多的关于
Tonywu2018·2019-06-15 15:22

机器学习：降维

降维目标数据压缩可视化主成分分析（PCA）PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。
嘿哈哈哈·2019-06-12 22:21

数据降维和特征选择的区别

在machinelearning中，特征降维和特征选择是两个常见的概念，在应用machinelearning来解决问题的论文中经常会出现。对于这两个概念，很多初学者可能不是很清楚他们的区别。很多人都以为特征降维和特征选择的目的都是使数据的维数降低，所以以为它们是一样的，曾经我也这么以为，这个概念上的误区也就导致了我后面对问题的认识不够深入。后来得到老师的指点才彻底搞清楚了两者的关系，现总结出来与大
Charles Zhu·2019-06-11 10:53

数据降维和特征选择的区别

在machinelearning中，特征降维和特征选择是两个常见的概念，在应用machinelearning来解决问题的论文中经常会出现。对于这两个概念，很多初学者可能不是很清楚他们的区别。很多人都以为特征降维和特征选择的目的都是使数据的维数降低，所以以为它们是一样的，曾经我也这么以为，这个概念上的误区也就导致了我后面对问题的认识不够深入。后来得到老师的指点才彻底搞清楚了两者的关系，现总结出来与大
Charles Zhu·2019-06-11 10:53

ML笔记：PCA(Principal Component Analysis)降维全面解读+python实现！

文章目录一、数据降维1.1、维度诅咒问题1.2、为什么要进行数据降维？
炊烟袅袅岁月情·2019-06-09 15:17

Opencv EigenFace人脸识别算法详解

简要：EigenFace是基于PCA降维的人脸识别算法，PCA是使整体数据降维后的方差最大，没有考虑降维后类间的变化。它是将图像每一个像素当作一维特征，然后用SVM或其它机器学习算法进行训练。
东城青年·2019-05-21 08:11

特征工程总结与学习

将自然文本转换为扁平向量3.2使用过滤获取清洁特征4.特征缩放的效果：从词袋到tf-idf4.1tf-idf：词袋的一种简单扩展5.分类变量：自动化时代的数据计数5.1分类变量的编码5.2处理大型分类变量6.数据降维
dzysunshine·2019-05-09 23:54

dimensionality reduction

https://www.cnblogs.com/guoyaohua/p/8855636.html使用降维数据原因：原始高维空间，包含冗余信息噪音信息，通过降维，提高识别精度通过降维算法寻找数据内部本质结构特征数据降维目的
Emily_Buffy·2019-04-29 21:26

PCA降维算法原理及matlab代码实现

常见的数据降维算法有：奇异值分解（SVD）、主成分分析（PCA）、因子分析（FA）、独立成分分析（ICA）。
刘根生·2019-04-19 19:44

CannyLab/tsne-cuda with cuda-10.0

t-SNE-CUDABarnes-Hutt-SNEhttps://github.com/CannyLab/tsne-cuda/projects做数据降维时常用到，但计算较慢，所以可用cuda加速用源码编译时
衣奎德·2019-04-18 17:00

机器学习复习：主成分分析PCA

我的个人博客：https://huaxuan0720.github.io/，欢迎访问数据降维  在很多时候，我们收集的数据样本的维度很多，而且有些维度之间存在某一些联系，比如，当我们想要收集用户的消费情况时
子为空·2019-04-12 22:06

PCA 算法

算法步骤样本归一化求解协方差矩阵求解特征值和特征向量选择主要成分转换特征降维的数据降维的优化目标：将一组N维向量降为K维（K大于0，小于N），其目标是选择K个单位（模为1）正交基，使得原始数据变换到这组基上后
dreampai·2019-04-11 18:17

深度学习（计算机视觉）面试问题：

答：1、减小图像尺寸，数据降维。2、缓解
xxnote·2019-03-21 14:23

用java实现主成分分析(PCA)降维

主成分分析(PCA)的描述如下：PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。
路边草随风·2019-03-08 11:18

数据预处理——数据降维

@目录主成分分析--PCA栗子参考数据规约产生更小但保持数据完整性的新数据集。在规约后的数据集上进行数据分析和挖掘将更有效率。机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f:x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可
Michael翔·2019-03-03 20:00

ML--数据预处理，降维，特征提取及聚类

ML–数据预处理，降维，特征提取及聚类主要涉及的知识点有：几种常见的数据预处理工具PCA主成分分析用于数据降维PCA主成分分析和NMF非负矩阵分解用于特征提取几种常用的聚类算法一.数据预处理1.使用StandardScaler
V_lq6h·2019-02-23 22:54

数据降维和特征选择的区别

在machinelearning中，特征降维和特征选择是两个常见的概念，在应用machinelearning来解决问题的论文中经常会出现。对于这两个概念，很多初学者可能不是很清楚他们的区别。很多人都以为特征降维和特征选择的目的都是使数据的维数降低，所以以为它们是一样的，曾经我也这么以为，这个概念上的误区也就导致了我后面对问题的认识不够深入。后来得到老师的指点才彻底搞清楚了两者的关系，现总结出来与大
小白的进阶之路·2019-02-19 11:13

机器学习：特征工程、特征提取、特征选择与数据降维间的关系

所属知识点：MachineLearning：FeatureEngineering归纳和总结机器学习技术的库：ViolinLee/ML_notes。该库主要内容是我的机器学习笔记，同时挑选和收集各类与机器学习技术相关的高质量资源，欢迎大家关注和Star！会一直更新下去。使用滴滴云AI大师码【0212】消费GPU有9折优惠哦！（1）基础概念特征（Feature）：特征是所有独立单元共享的属性，是进行分
ViolinLeeChan·2019-02-13 14:59

关联规则异常点检测

算法思路利用Apriori算法，计算闭频繁项集，与频繁项集上满足置信度约束的关联规则数据降维2.1记产生的闭频繁项集大小为，对每个闭频繁项集求出相似集2.2对关联规则集中每条规则，求出D中支持r前项和后项的记录集合
被猹反杀的闰土哥·2019-02-12 18:55

Chapter 8 无监督学习与数据降维 (reading notes)

0.版权声明1.Unsupervisedlearning1.1Clustring（聚类）1.2优化目标1.3随机初始化1.4选择聚类数量K的方法2.数据降维2.1数据压缩与可视化2.2Principalcomponentanalysis
Andrew*·2019-02-10 22:17

数据降维及压缩2：使用奇异值分解进行图像压缩

#导入库importnumpyasnpfrommatplotlibimportpyplotasplt#定义函数，读入图像，生成数据矩阵defsvdimage(filename,percent):original=plt.imread(filename)#读取图像R0=np.array(original[:,:,0])#获取第一层矩阵数据G0=np.array(original[:,:,1])#获取
sevieryang·2019-01-31 23:42

机器学习 之 PCA

在数据维度较高，难以分析及可视化的时候，可以考虑使用PCA进行数据降维。简单来说，就是用一个较低维度的数据来表示高维的数据。
Day_and_Night_2017·2019-01-20 14:19

都贵玛：草原母亲，大爱无疆 | 功勋

大数据分析流程大致分为数据准备、数据合并、数据降维等。
智东西·2018-12-24 00:00

matplotlib sklearn数据降维可视化

matplotlibsklearn数据降维可视化使用说明具体见官方的文档https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html
请叫我西木同学·2018-12-15 16:34

(十)PCA降维算法

需要注意的是，PCA一般只用于线性数据降维，对于非线性数据一般采用KPCA。二.PCA的基本思想降维就是找出数据里最主要的方面，用数据里最主
躺在稻田里的小白菜·2018-12-11 15:22

字典学习（Dictionary Learning, KSVD）详解

注：字典学习也是一种数据降维的方法，这里我用到SVD的知识，对SVD不太理解的地方，可以看看这篇博客：《SVD（奇异值分解）小结》；数据集：https://pan.baidu.com/s/1ZmpUSIscy4VltcimwwIWew1
EndlessCoding·2018-12-09 13:00

大数据分析之数据降维

机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f:x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。目前大部分降维算法处理向量表达的数据，也有一些降维算法处理高阶张量表达的数据。之所以使用
NSDL·2018-12-09 10:08

sklearn 功能和包括的算法

基本功能分为六大部分：分类：支持向量机（SVM）、最近邻、逻辑回归、随机森林、决策树以及多层感知器（MLP）神经网络回归：支持向量回归（SVR）聚类：K-均值聚类数据降维、模型选择和数据预处理。
Waldenz·2018-12-07 19:42

SVD（奇异值分解）小结

注：奇异值分解在数据降维中有较多的应用，这里把它的原理简单总结一下，并且举一个图片压缩的例子，最后做一个简单的分析，希望能够给大家带来帮助。
EndlessCoding·2018-11-28 18:00

数据降维(四)ISOMAP

流形学习——ISOMAP算法Isomap（IsometricFeatureMapping）是流行学习的一种，用于非线性数据降维，是一种无监督算法.流形流形是一个局部具有欧式空间性质的拓扑空间，流形能很好地近似任意高维的子空间
JN_rainbow·2018-11-27 19:05

数据降维(二)多维缩放MDS

文章目录多维缩放MDS推导MDS算法过程多维缩放MDS多维缩放(MultipleDimensionalScaling，MDS)问题形式化：给定空间中任意两个点的距离(pairwisedistances),点的精确坐标和维度是未知的.我们希望将这些点嵌入到一个低维的空间中，使得新的空间中点对之间的距离和原始空间中的距离尽可能接近.基本思想：d′d'd′空间的欧式距离等于原始空间的欧式距离∣
JN_rainbow·2018-11-27 01:13

数据分析：迈出第一步

我是在做科研项目的过程中使用了一定的数据分析思想及方法，科研项目所使用的数据都是自己使用仪器采集的，然后对采集到的数据进行数据清洗（去燥、去除基线漂移，进行数据降维等），但当时对数据分析并不了解，真正认识数据分析是在找工作的过程
猕猴桃syh·2018-11-20 12:34
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他