t-SNE降维

【机器学习|学习笔记】特征选择（Feature Selection）和特征提取（Feature Extraction）都是用于降维、提升模型性能和泛化能力的重要手段。

【机器学习|学习笔记】特征选择（FeatureSelection）和特征提取（FeatureExtraction）都是用于降维、提升模型性能和泛化能力的重要手段。

努力毕业的小土博^_^·2025-07-05 03:05

OpenCV图像边缘检测

数据降维：将图像转换为边缘表示可大幅减少数据量特征提取：边缘是图像最重要的视觉特征之一预处理步骤：为物体识别、图像分割等高级任务做准备噪声抑制：某些边缘检测方法具有

慕婉0307·2025-07-04 09:26

《dlib库中的聚类》算法详解：从原理到实践

降维辅助：结合聚类结果进行特征选择或数据压缩。dlib支持的经典聚类算法包括K-Means和ChineseWhispers，适用于图像

A小庞·2025-07-03 16:34

3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——2.SimHash算法文本去重实战案例：新闻文章去重场景

**步骤4：降维生成SimHash值**6.**步骤5：计算汉明距离与去重判断**三、工程化实现代码（Python简化示例）四、案例总结与优化点一、案例背景与目标假设

·2025-06-30 11:30

CNN-GRU混合模型学习笔记

GRU学习笔记CNN：卷积神经网络GRU（GateRecurrentUnit），门控循环单元CNN：卷积神经网络3个组成部分：1.卷积层——提取图像局部特征2.池化层——降维（防止过拟合）3.全连接层—

weixin_54372988·2025-06-30 11:28

《AI颠覆编码：GPT-4在编译器层面的奇幻漂流》的深度技术解析

一、传统编译器的黄昏：LLVM面临的AI降维打击1.1经典优化器的性能天花板//LLVM循环优化Pass传统实现（LoopUnroll.cpp）voidLoopUnrollPass::runOnLoop

踢足球的，程序猿·2025-06-28 17:04

3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——1.SimHash算法处理冗余信息的核心原理

**降维生成SimHash值**5.**相似性判断与冗余过滤**三、SimHash处理冗余信息的核心优势四、实际应用中的优化策略五、SimHash的局限性与补充方案一、SimHash算法的

·2025-06-27 03:50

【AI时代生死局】Python程序员如何靠这3招逆天改命？(附免费转型资源包）

开篇暴击：程序员正在经历的「降维打击」https://via.placeholder.com/600x300?

骆驼_代码狂魔·2025-06-26 19:54

八种常见的神经网络介绍

通过卷积层提取局部特征，池化层降维，广泛用于图像分类、目标检测。特点是参数共享和权值的局部连接，减少了模型复杂度。循环神经网络（RNN）：擅长处理序

EdmundXjs·2025-06-21 06:24

Python打卡训练营day20-奇异值SVD分解

知识点回顾：线性代数概念回顾（可不掌握）奇异值推导（可不掌握）奇异值的应用特征降维：对高维数据减小计算量、可视化数据重构：比如重构信号、重构图像（可以实现有损压缩，k越小压缩率越高，但图像质量损失越大）

sak77·2025-06-18 04:22

Pandas能进行数据降维？新手如何简化分析模型？

Pandas能进行数据降维？新手如何简化分析模型？引言在量化交易的世界里，数据是一切分析的基础。但面对海量的数据，如何快速有效地提取关键信息，简化分析模型，是每个新手都需要面对的挑战。

程序化交易助手·2025-06-17 21:40

深度学习笔记

文章目录聚类导入模块生成模拟数据建立并训练K-Means聚类模型创建图形绘制散点图（聚类结果）获取聚类中心可视化聚类中心设置图形标题和标签输出效果数据降维一、常见的数据降维方法二、Python降维示例（

疯狂成瘾者·2025-06-17 10:54

python打卡day21

@疏锦行自由作业：探索下什么时候用到降维？降维的主要应用？或者让ai给你出题，群里的同学互相学习下。可以考虑对比下在某些特定数据集上t-sne的可视化和pca可视化的区别。

荣582·2025-06-16 02:16

JavaScript 神器 reduce()：从入门到精通

JavaScript神器reduce()：从入门到精通，彻底掌握数组的“降维打击”嘿，各位前端同学！在我们的日常开发中，和数组打交道就像呼吸一样自然。

满分观察网友z·2025-06-13 21:52

机器学习速成课程----数据准备

：数据准备的重要性第2课：通过插补填充缺失值第3课：使用RFE选择特征第4课：使用规范化缩放数据第5课：使用热编码（One-Hot）转换类别第6课：使用kBins将数字转换为类别第7课：使用PCA进行降维在在

oceanstonetree·2025-06-13 12:21

机器学习算法——朴素贝叶斯和特征降维

一、常见概率计算朴素贝叶斯算法是利用概率值进行分类的一种机器学习算法概率：一种事情发生的可能性，取值在[0,1]之间条件概率：表示事件A在另外一个事件B已经发生的条件下的发生概率P(A∣B)P(A|B)P(A∣B)联合概率：表示多个条件同时成立的概率P(AB)=P(A)∗P(B∣A)=P(B)∗P(A∣B)P(AB)=P(A)*P(B|A)=P(B)*P(A|B)P(AB)=P(A)∗P(B∣A)

TY-2025·2025-06-13 06:41

基于PCA和Kmeans的餐馆地区分类研究

1.实践任务说明对《中国2019年分地区连锁餐饮企业数据》中的7个经营指标（V2-V8）进行主成分分析（PCA），通过降维提取核心特征。

·2025-06-12 21:34

【一文理解】下采样与上采样区别

目录下采样上采样注意下采样原理对图像进行1/n下采样，原图像分辨率为H*W，下采样分辨率变为(H/n)*(W/n）作用压缩FeatureMap降维减少提取特征降低模型计算量避免模型过拟合本质过滤无关信息

F_D_Z·2025-06-12 21:27

Python训练营打卡Day49(2025.6.9）

classChannelAttention(nn.Module):def__init__(self,in_channels,ratio=16):"""通道注意力机制初始化参数:in_channels:输入特征图的通道数ratio:降维比例

2301_80505456·2025-06-10 16:14

当算力遇上刮刮乐：AI如何颠覆“运气”的游戏规则？

二、当刮刮乐数字化，算力才真正开始“降维打击”1、传统刮刮乐正在全面数字化2、算力如何“暴力破解”平台规则？3、平台也用AI反制：算力对抗算力三、未来刮刮乐：娱乐形式？还是新财富系统？

AI算力那些事儿·2025-06-10 08:53

【深度学习】自编码器：数据压缩与特征学习的神经网络引擎

之前的文章参考下面的链接：【深度学习】线性因子模型：数据降维与结构解析的数学透镜【学习笔记】强化学习：实用方法论【学习笔记】序列建模：递归神经网络（RN

瑶光守护者·2025-06-09 17:41

第八章反击的序曲

1.十一维展开与降维智子的本质是一种经过改造的

阿部多瑞 ABU·2025-06-08 01:57

学习笔记(26)：线性代数-张量的降维求和，简单示例

学习笔记(26)：线性代数-张量的降维求和，简单示例1.先理解“轴（Axis）”的含义张量的“轴”可以理解为维度的方向索引。

宁儿数据安全·2025-06-07 21:23

5.11 day17

聚类的流程标准化数据选择合适的算法，根据评估指标调参（）将聚类后的特征添加到原数据中原则t-sne或者pca进行2D或3D可视化KMeans和层次聚类的参数是K值，选完k指标

·2025-06-07 15:17

5.15 day21

知识点回顾：LDA线性判别PCA主成分分析t-sne降维自由作业：探索下什么时候用到降维？降维的主要应用？或者让ai给你出题，群里的同学互相学习下。

AщYΘ·2025-06-07 15:17

机器学习——主成分分析 PCA

目录简介一、基本原理1.数据变换2.协方差矩阵3.特征值和特征向量实施步骤应用选择主成分的数量二、代码实现优缺点分析优点缺点总结简介主成分分析（PCA）是机器学习领域中的一种重要算法，主要应用于数据的降维和特征提取

Nil0_·2025-06-06 18:51

聚类分析现状

针对上述问题，一种结合降维技术和聚类算法的解决方案被广泛认可，即先采用降维技术，如主成分分析、局部线性嵌入或核方法等对数据进行降维，再对降维后的特征进行聚类．该方案虽然在一定程度上降低了高维空间的聚类难度

云cia·2025-06-06 02:08

基于LDA的人脸识别算法及Matlab代码

LDA是一种经典的降维算法，它通过将高维特征空间投影到低维空间，实现对数据的降维和分类。在人脸识别中，LDA

翠绿探寻·2025-06-05 19:18

基于Matlab实现LDA算法

线性判别分析（LinearDiscriminantAnalysis,LDA）是一种经典的统计方法，常用于特征降维和分类问题。

Matlab仿真实验室·2025-06-05 19:47

RAPTOR：如何用树状结构重塑RAG检索能力？

.方法3.1RAPTOR的核心流程框架3.2聚类算法3.2.1聚类的作用与目标3.2.2软聚类（SoftClustering）的独特性3.2.3算法选择：高斯混合模型（GMM）3.2.4高维向量嵌入的降维处理

阿牛大牛中·2025-06-04 21:39

【Java开发300个实用技巧】243.架构演进单体到微服务

架构演进单体到微服务1.架构演进的必然性2.单体拆分的实战策略3.服务治理的三大坑位4.数据管理的终极考验5.团队协作的模式转型6.监控运维的降维打击从"祖传代码"到"微服务帝国"，架构演进背后的血泪教训与通关秘籍

精通代码大仙·2025-06-04 19:23

09_降维、特征提取与流行学习

另外两种算法：非负矩阵分解（NMF）和t-SNE，前者通常用于特征提取，后者通常用于二维散点图的可视化。

白杆杆红伞伞·2025-06-04 05:03

python归一化互相关_python 特征工程归一化计算相关性矩阵

仙女山的仙女鹿·2025-06-03 08:32

python学习打卡day21

什么时候需要用到降维？1.数据可视化高维数据难以直接可视化（如超过3维），通过降维（如PCA、t-SNE、UMAP）投影到2D/3D空间，揭示数据分布、聚类或流形结构。

vijaycc·2025-06-03 05:11

Python训练打卡Day19

常见的特征筛选算法1.方差筛选2.皮尔逊相关系数筛选3.lasso筛选4.树模型重要性5.shap重要性6.递归特征消除REF特征降维一般有2种策略：1.特征筛选：从n个特征中筛选出m个特征，比如方差筛选

编程有点难·2025-06-02 21:17

python学习day21

知识点回顾：1.LDA线性判别2.PCA主成分分析3.t-sne降维数据如前几期无监督降维定义：这类算法在降维过程中不使用任何关于数据样本的标签信息输入：只有特征矩阵X。

一叶知秋秋·2025-06-02 06:56

Python打卡训练营day21——2025.05.10

LDA线性判别PCA主成分分析t-sne降维降维技术的应用场景与主要用途降维技术广泛应用于多个领域，尤其是在数据分析、机器学习和数据可视化中扮演着重要角色。

莱茵菜苗·2025-05-31 12:58

seurat v5更新及样本整合方法

目录seuratv5的去批次方式①pbmc单细胞数据②SeuratV5多种去批次进行合并分组数据进行去批次CCA降维harmony降维Analysis,visualization,andintegrationofVisiumHDspatialdatasetswithSeurat

感性逻辑·2025-05-31 03:55

pythonocc hlr实例 deepwiki 显示隐藏线

直接在pythonocc页面底下问，ai再也不会import自创类名了，带着文档编码的，降维打击了importmatplotlib.pyplotaspltimportmatplotlib.patchesaspatchesfromOCC.Core.BRepPrimAPIimportBRepPrimAPI_MakeBox

njsgcs·2025-05-29 05:21

共现矩阵的SVD降维与低维词向量计算详解

共现矩阵的SVD降维与低维词向量计算详解1.原始共现矩阵构建根据用户提供的共现对：句子1:(I,like),(like,apples)句子2:(I,like),(like,bananas)词汇表：[I,

幽··2025-05-28 08:20

【Educoder】— 机器学习（PCA第三关）

鹿毅十川·2025-05-28 01:56

头歌教学平台python与机器学习-PCA

第1关：维数灾难与降维下列说法正确的是B、降维能够缓解维数灾难的负面影响C、使用原始数据训练出的回归器已经过拟合，可试试降维来提升性能下列说法错误的是C、维数灾难不会引起过拟第2关：PCA算法流程在begin-end

学习只是用户态·2025-05-28 01:53

TensorFlow深度学习实战（17）——主成分分析详解

0.前言1.主成分分析2.使用TensorFlow实现PCA3.TensorFlow嵌入API小结系列链接0.前言主成分分析(PrincipalComponentAnalysis,PCA)是一种强大的降维工具

盼小辉丶·2025-05-27 20:18

企业级组件库架构革命：Monorepo + PNPM Workspaces 的工程化实践

Monorepo+PNPMWorkspaces的工程化实践引言：企业级组件库的困境与破局一、架构设计：模块化分治的艺术1.1目录结构：领域驱动设计1.2模块联动：Workspace协议二、依赖治理：PNPM的降维打击

双囍菜菜·2025-05-27 06:22

Python 训练营打卡 Day 21-常见的降维算法

在机器学习中，降维（DimensionalityReduction）是指通过某种数学变换或算法，将高维数据映射到低维空间，同时尽可能保留原始数据的关键信息或结构的过程。

帮关下月亮·2025-05-26 10:58

深入详解线性代数基础知识：理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA）在人工智能中的应用

深入理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA），对于数据降维、特征提取和模型优化至关重要。

猿享天开·2025-05-25 14:19

AI要掌握的知识

应用场景：数据降维、神经网络中的矩阵运算（如权重矩阵乘法）、图像变换（如旋转、缩放的矩阵表示

杰克逊的日记·2025-05-25 07:30

SOM是什么？SOM聚类讲解

SOM用于生成训练样本的低维空间，可以将高维数据间复杂的非线性统计关系转化为简单的几何关系，且以低维的方式展现，因此通常在降维问题中会使用它。

让你五行代码·2025-05-24 20:49

第21天打卡

何时使用降维？1.数据可视化高维数据难以直接可视化（如超过3维），通过降维（如PCA、t-SNE、UMAP）投影到2D/3D空间，揭示数据分布、聚类或流形结构。

不爱吃山楂罐头·2025-05-24 19:43

【动手学深度学习】2.3. 线性代数

目录2.3.线性代数1）标量2）向量3）矩阵4）张量5）张量的基本性质6）降维7）点积8）矩阵-向量积9）矩阵-矩阵乘法10）范数11）小结2.3.线性代数本节将介绍线性代数中的基本数学对象、算术和运算

XiaoJ1234567·2025-05-24 06:40

推荐频道