pca降维

facenet接入笔记

之前尝试了pca降维的方法来实现人脸特征的提取，效果不是很好。于是最近尝试一下其他的神经网络的方法来提取特征，这里用到了python的一个开源项目，facenet。
ssliushengyu·2018-04-26 19:30

用scikit-learn学习主成分分析(PCA)

在主成分分析（PCA）原理总结中，我们对主成分分析(以下简称PCA)的原理做了总结，下面我们就总结下如何使用scikit-learn工具来进行PCA降维。
necther·2018-04-16 08:49

数据压缩之降维（一）——PCA降维

学习《pythonmachinelearning》chapter5——Compressingdataviadimensionalityreduction主要内容如下：（1）主要成分分析PrincipalComponentAnalysis(PCA)——非监督学习（2）线性判别分析LinearDiscriminantAnalysis(LDA)——监督学习（3）核主成分分析KernelPrincipal
Amy_mm·2018-04-10 10:57

吴恩达机器学习总结：第七课 运用机器学习的建议（大纲摘要及课后作业）

英文非官方笔记总结1.决定接下来该怎么尝试（1）调试学习算法（当实施正则化线性回归之后，预测中有比较大错误）  a.获得更多训练数据（前提是要保证更多的训练集有用）  b.使用更小的特征集（仔细选择小子集，或者使用PCA
CC12222032·2018-04-03 17:54

通俗理解PCA降维作用

用PCA降维本章我们将介绍一种降维方法，PCA（PrincipalComponentAnalysis，主成分分析）。降维致力于解决三类问题。第一，降维可以缓解维度灾难问题。
javastart·2018-03-29 20:48

Python数据挖掘笔记 七 .PCA降维操作及subplot子图绘制

Python数据挖掘笔记七.PCA降维操作及subplot子图绘制这篇文章主要介绍四个知识点，也是我那节课讲课的内容。
湾区人工智能·2018-03-23 10:17

使用OpenCV+PCA+KNN/SVM进行人脸检测和识别-Python

图像进行PCA降维前，全部处理为224*224大小。如何创建自己的数据集，可见使用OpenCV调用摄像头检测人脸并截图。OpenCV人脸检测器
gaoyueace·2018-03-18 15:02

python实现人脸识别经典算法（一） 特征脸法

操作环境：python2.7第三方库：opencvforpython、numpy第一种比较经典的算法就是特征脸法，本质上其实就是PCA降维，这种算法的基本思路是，把二维的图像先灰度化，转化为一通道的图像
freedom098·2018-03-13 08:03

《机器学习实战》PCA降维

注释：由于各方面原因，理论部分不做介绍，网上很多自行百度吧！pca.py1importnumpyasnp2importmatplotlib.pyplotasplt3importmath45defloadDataSet(filename,delin='\t'):6fr=open(filename)7#读取分割存入数组8stringArr=[line.strip().split(delin)forli
影醉阏轩窗·2018-03-08 13:00

PCA降维及C代码

转载至：http://blog.csdn.net/u011001084/article/details/51363892转载至：http://blog.csdn.net/jinshengtao/article/details/18599165PCA人脸识别将PCA用于人脸识别的过程如下：1.假设有400幅尺寸为100*100的图像，构成10000*400的矩阵；2.计算均值，令；3.根据定义，计算
eatapples·2018-03-03 15:37

SVD与PCA的联系

WelcomeToMyBlog最主要的一点:对矩阵进行PCA降维,一般是通过SVD实现的,而不是去计算原矩阵特征的协方差矩阵.当前数据为p*n的矩阵X,n个样本,每个样本维度为pSVD:Xpn=UΣV^
LittleSasuke·2018-02-23 00:03

机器学习习题（15）

在新的9题机器学习习题中，我们主要讲解了4个方面：集成学习里随机森林与GBDT等相关知识，PCA降维的相关知识，聚类算法的相关知识，KNN的相关知识。
刘炫320·2018-02-21 19:31

人脸识别经典算法实现（一）——特征脸法

操作环境：python2.7第三方库：opencvforpython、numpy第一种比较经典的算法就是特征脸法，本质上其实就是PCA降维，这种算法的基本思路是，把二维的图像先灰度化，转化为一通道的图像
qq_32444825·2018-01-30 14:10

机器学习(3.1)--PCA降维基本原理

PCA（Principalcomponentsanalysis）也称主成分分析，是机器学习中降维的一种方法为什么要降维在真实的数据中有各种问题，PCA的思想是将n维特征映射到m维上（m
雨落那秋林·2018-01-28 00:19

Kaggle:使用MNIST数据集进行PCA降维和LDA降维

  关于PCA（主成分分析，Principalcomponentsanalysis）,这里有非常通俗易懂的文章解释：主成份分析(PCA)最详细和全面的诠释，这里就不多啰嗦了，下面主要介绍PCA算法和LDA算法在MNIST数据集上的应用。  主要参考的是Kaggle上的一篇Kernel，也可以直接去看这篇Kernel，这里附上链接：InteractiveIntrotoDimensionalityRe
capecape·2018-01-25 20:46

还在用PCA降维？快学学大牛最爱的t-SNE算法吧（附Python/R代码）

大数据文摘作品编译：寒小阳、蒋宝尚、Sheila、赖小娟、钱天培假设你有一个包含数百个特征（变量）的数据集，却对数据所属的领域几乎没有什么了解。你需要去识别数据中的隐藏模式，探索和分析数据集。不仅如此，你还必须找出数据中是否存在模式－－用以判定数据是有用信号还是噪音？这是否让你感到不知所措？当我第一次遇到这种情况，我简直全身发麻。想知道如何挖掘一个多维数据集？这是许多数据科学家经常问的问题之一。该
大数据文摘·2018-01-22 00:00

基于PCA模型的数据降维(复习13)

本文是个人学习笔记，内容主要基于PCA降维模型对手写体数据图像集进行降维，把原始64维度的数字图像压缩映射到二维空间，实验结果表明绝大多数数字之间仍然具有区分性。
Young_win·2018-01-20 16:57

【R图千言】主成分分析之3D绘图

PCA降维过程;1)数据标准化2)求协方差矩阵3)特征向量排序4)投影矩阵5)数据转换将样本数据求一个维度的协方差矩阵，然后求解这个协方差矩阵的特征值和对应的特征向量，将这些特征向量按照对应的特征值从大到小排列
leadingsci·2018-01-12 01:26

各类人脸识别算法的总体分析

一、人脸识别算法之特征脸方法（Eigenface）1、原理介绍及数据收集特征脸方法主要是基于PCA降维实现。
worthsen·2018-01-04 09:19

机器学习(29)之奇异值分解SVD原理与应用详解

本文就对SVD的原理做一个总结，并讨论在在PCA降维算法
机器学习算法与Python学习·2017-12-01 00:00

LDA有标签数据降维

之前无标签数据降维PCA，那么像下图带有标签数据，如果用PCA降维将会投影到v轴上，这个投影方差最大，数据将变成不可分状态，LDA将把数据投影加上已有分类这个变量，将数据投影到u轴上假设原数据分成n类，
14142135623731·2017-11-17 00:51

综合评价指标的筛选办法

除了这两个以外还有权重的办法，第一是用层次分析得到相对的权重然后丢弃相对小的第二是用PCA降维，进行降维处理
Flying with dream·2017-08-14 22:58

通俗理解PCA降维作用

概述本文主要介绍一种降维方法，PCA（PrincipalComponentAnalysis，主成分分析）。降维致力于解决三类问题。1.降维可以缓解维度灾难问题；2.降维可以在压缩数据的同时让信息损失最小化；3.理解几百个维度的数据结构很困难，两三个维度的数据通过可视化更容易理解。下面，将从简介、计算步骤、应用三方面进行理解PCA的降维作用。PCA简介在理解特征提取与处理时，涉及高维特征向量的问题往
HLBayes·2017-08-13 16:05

PCA降维操作及subplot子图绘制

转载地址：http://blog.csdn.net/eastmount/article/details/53285192一.PCA降维参考文章：http://blog.csdn.net/xl890727
danwenxuan·2017-08-03 19:49

PCA降维——主成分分析(principal component analysis,PCA)与LDA（线性判别分析）

LDA是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的。这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”。什么意思呢？我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。LDA摘要：主成分分析(principalcompo
ali_dongdong·2017-07-31 10:58

机器学习-->特征降维方法总结

特征抽取先详细讲下PCA降维的原理对于n个特征的m个样本，将每个样本写成行向量，得到矩阵A寻找样本的主方向u：将m个样本值投影到某个直线L上，得到m个位于直线L上的点，计算m个投影点的方差。
村头陶员外·2017-07-25 16:16

PCA降维算法总结以及matlab实现PCA

http://blog.csdn.net/watkinsong/article/details/8234766http://blog.csdn.net/mingtian715/article/details/54172281PCA的一些基本资料最近因为最人脸表情识别，提取的gabor特征太多了，所以需要用PCA进行对提取的特征进行降维。本来最早的时候我没有打算对提取的gabor特征进行降维，但是如
uncle_ll·2017-03-09 09:14

ufldl 白化

PCA降维：，其中。一些解释：对X进行旋转变换，特征选择，恢复原数据域。白化：假设训练数据是图像，由于图像中相邻像素之间具有很强的相关性，所以用于训练时输入是冗余的。
qq229873466·2017-02-18 15:40

【机器学习】人像识别（二）——PCA降维

降维没有什么秘诀。我用了python里sklearn.decomposition模块的IncrementalPCA。参考资料：sklearn.decomposition.PCA，IncrementalPCA。代码如下：X=np.array(dots)#dots是要被降维的二维数组，每一行是一个向量ipca=IncrementalPCA(n_components=dst_dimension)#建立一
VegB·2017-02-08 18:24

机器学习系列：（七）用PCA降维

版权声明：本文为博主原创文章，未经博主允许不得转载。目录(?)[+]声明：版权所有，转载请联系作者并注明出处http://blog.csdn.net/u013719780?viewmode=contents博主简介：风雪夜归子（英文名:Allen），机器学习算法攻城狮，喜爱钻研MachineLearning的黑科技，对DeepLearning和ArtificialIntelligence充满兴趣，
cjianwyr·2017-02-07 10:31

系统学习深度学习（二） --自编码器，DA算法，SDA，稀疏自编码器

为了解决高维度的问题，出现的线性学习的PCA降维方法，P
Eason.wxd·2017-01-10 13:56

网络程序设计学习心得

网络程序设计学习心得网络程序设计学习心得项目跟进情况A1神经网络实现手写字符识别系统A2血常规检验报告的图像OCR识别A3根据血常规检验的各项数据预测年龄和性别matlab神经网络采用SMO算法的SVM利用pca
qq_28591171·2017-01-07 11:38

奇异值分解(SVD)原理与在降维中的应用

本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SVD的。1.回顾特征值和特征向量我们首先回顾下特征值和特征向量的定义如下：$$Ax=\lambdax$$其
刘建平Pinard·2017-01-05 15:00

用scikit-learn学习主成分分析(PCA)

在主成分分析（PCA）原理总结中，我们对主成分分析(以下简称PCA)的原理做了总结，下面我们就总结下如何使用scikit-learn工具来进行PCA降维。
刘建平Pinard·2017-01-02 20:00

PCA与奇异值分解用于人脸检测

基于PCA+SVM的人脸识别算法流程：（1）输入训练数据，数据预处理；（2）进行PCA降维；（3）进行多分类的SVM训练(人脸识别为多分类问题，可分为多个二分类SVM分类器)；（4）输入检测数据并利用上一步的训练结果进行分类
Flying_sfeng·2016-12-17 13:27

【Python数据挖掘课程】七.PCA降维操作及subplot子图绘制

1.PCA降维操作；2.Python中Sklearn的PCA扩展包；3.Matplotlib的subplot函数绘制子图；4.通过Kmeans对糖尿病数据集进行聚类，并绘制子图。
Eastmount·2016-11-26 16:30

【Python数据挖掘课程】七.PCA降维操作及subplot子图绘制

1.PCA降维操作；2.Python中Sklearn的PCA扩展包；3.Matplotlib的subplot函数绘制子图；4.通过Kmeans对糖尿病数据集进行聚类，并绘制子图。
Eastmount·2016-11-26 16:30

PCA降维简介

转载于http://blog.csdn.net/lu597203933/article/details/41544547PCA全称为principalcomponentanalysis，即主成成分分析，用于降维。对数据进行降维有很多原因。比如：1：使得数据更易显示，更易懂2：降低很多算法的计算开销3：去除噪声一：基本数学概念1：方差均值太简单了，不说了。方差是各个数据分别与其和的平均数之差的平方的
漫流小溪·2016-08-11 20:31

人脸识别经典算法实现（一）——特征脸法

操作环境：python2.7第三方库：opencvforpython、numpy第一种比较经典的算法就是特征脸法，本质上其实就是PCA降维，这种算法的基本思路是，把二维的图像先灰度化，转化为一通道的图像
freedom098·2016-08-01 18:14

机器学习系列：（七）用PCA降维

声明：版权所有，转载请联系作者并注明出处 http://blog.csdn.net/u013719780?viewmode=contents博主简介：风雪夜归子（英文名:Allen），机器学习算法攻城狮，喜爱钻研MachineLearning的黑科技，对DeepLearning和ArtificialIntelligence充满兴趣，经常关注kaggle数据挖掘竞赛平台，对数据、MachineLea
u013719780·2016-06-24 19:00

机器学习： Linear Discriminant Analysis 线性判别分析

PCA考虑的是整个数据集在高维空间的分散性，PCA降维之后依然要让数据在低维空间尽可能地分散。而LDA考虑的是类与类之间的差别(用距离来衡量)。
shinian1987·2016-05-15 16:00

数据标准化与PCA白化原理探索

这些操作对于PCA降维效果到底有什么影响？这篇文章从PCA白化入手，探究这些trick背后的原因。1Whitening（白化）白化1有两种，一种是PCAWhitening，一种是ZCAWhite
happyer88·2016-05-14 14:00

主成分分析PCA

华夏35度DataMining主成分分析PCA降维的必要性1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。2.高维空间本身具有稀疏性。
MAGANG255·2016-04-20 19:00

pca降维的理论知识

什么是PCA？  在数据挖掘或者图像处理等领域经常会用到主成分分析，这样做的好处是使要分析的数据的维度降低了，但是数据的主要信息还能保留下来，并且，这些变换后的维两两不相关！至于为什么？那就接着往下看。在本文中，将会很详细的解答这些问题：PCA、SVD、特征值、奇异值、特征向量这些关键词是怎么联系到一起的？又是如何在一个矩阵上体现出来？它们如何决定着一个矩阵的性质？能不能用一种直观又容易理解的方式
jialeheyeshu·2016-04-07 15:00

PCA降维（《Machine Learning in Action》笔记）

降维：对数据进行简化。使数据集更易使用，降低算法计算开销，去除噪声，使结果更易懂。主成分分析（PrincipalComponentAnalysis,PCA）,将数据从原来的坐标系转换到了新的坐标系。第一个新坐标系轴选择的是原始数据方差最大的方向，第二个新坐标系轴的选择和第一个坐标系轴正交且具有最大方差的方向。一直重复原始数据中特征数目次。大部分方差都包含在最前面的几个新坐标轴中，因此可以忽略余下的
babyhujn0526·2016-03-31 10:00

利用 主成分分析（PCA） 降维 个人理解

PCA降维：经过特征值分解，已经得到的N个特征向量和对应的特征值。根据特征值的模的大小，取前m个
damant·2016-03-23 14:19

PCA降维

参考资料：PCA,很透彻浅谈协方差矩阵一、PCA降维本质：将高维的数据通过线性变换投影到低维空间上去，前提条件是，找出最能够代表原始数据的投影方法，以保证降维后的数据不能失真，具体说就是，被PCA降掉的那些维度只能是噪声或是冗余的数据
forest_world·2016-03-18 19:00

机器学习公开课笔记(8)：k-means聚类和PCA降维

K-Means算法非监督式学习对一组无标签的数据试图发现其内在的结构，主要用途包括：市场划分（MarketSegmentation）社交网络分析（SocialNetworkAnalysis）管理计算机集群（OrganizeComputerClusters）天文学数据分析（AstronomicalDataAnalysis）K-Means算法属于非监督式学习的一种，算法的输入是：训练数据集$\{x^{
python27·2016-01-20 21:00

MATLAB 可以做什么有趣的事

图像处理（人脸识别）从test文件夹任选一张人脸分类器会自动从train文件夹里面搜索出最接近的人像使用PCA降维和最小距离分类器，分类效果还不错算法比较简单，有线性代数知识就能理解，这里不多介绍（如果有一定
子辰曦·2015-12-24 21:54

MATLAB 可以做什么有趣的事

图像处理（人脸识别）从test文件夹任选一张人脸分类器会自动从train文件夹里面搜索出最接近的人像使用PCA降维和最小距离分类器，分类效果还不错算法比较简单，有线性代数知识就能理解，这里不多介绍（如果有一定
u012675539·2015-12-24 21:00
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他