腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
谓之小一
专栏成员
举报
44
文章
110638
阅读量
18
订阅数
订阅专栏
申请加入专栏
全部文章(44)
编程算法(24)
神经网络(19)
深度学习(19)
机器学习(18)
人工智能(13)
决策树(5)
二叉树(3)
数据分析(3)
NLP 服务(2)
python(2)
数据库(2)
sql(2)
git(2)
apache(2)
知识图谱(2)
微信(2)
php(1)
ruby(1)
bash(1)
云数据库 SQL Server(1)
云数据库 Redis(1)
ide(1)
github(1)
bash 指令(1)
spring(1)
批量计算(1)
文件存储(1)
文字识别(1)
腾讯云测试服务(1)
http(1)
存储(1)
开源(1)
分布式(1)
网络安全(1)
卷积神经网络(1)
numpy(1)
rpc(1)
scikit-learn(1)
无监督学习(1)
数据结构(1)
https(1)
云计算(1)
pdf(1)
笔记(1)
浏览器(1)
搜索(1)
搜索文章
搜索
搜索
关闭
机器学习降维之线性判别模型(LDA)
数据分析
无监督学习
线性判别分析(Linear Discriminant Analysis, LDA)是一种监督学习的降维方法,也就是说数据集的每个样本是有类别输出。和之前介绍的机器学习降维之主成分分析(PCA)方法不同,PCA是不考虑样本类别输出的无监督学习方法。LDA的原理简单来说就是将带上标签的数据(点),通过投影的方法,投影到维度更低的空间中,使得投影后的点会形成按类别区分。而我们的目标就是使得投影后的数据,类间方差最大,类内方差最小。
小一
2019-08-14
1.4K
0
机器学习降维之奇异值分解(SVD)
编程算法
数据分析
机器学习
神经网络
深度学习
奇异值分解(Singular Value Decompostion, SVD)是在机器学习领域广泛应用的算法,不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石。本篇文章对SVD原理做主要讲解,在学习之前,确保你已经熟悉线性代数中的基本知识,包括特征值、特征向量、相似矩阵相关知识点。如果不太熟悉的话,推荐阅读如下两篇文章,如何理解矩阵特征值?知乎马同学的回答和如何理解相似矩阵?马同学高等数学,读完之后再看本篇文章会有很大帮助。 1. 回顾特征值和特征向量
小一
2019-08-14
1.6K
0
机器学习降维之主成分分析(PCA)
数据分析
编程算法
PCA就是找出数据中最主要的方面,用数据中最重要的方面来代替原始数据。假如我们的数据集是n维的,共有m个数据(x1,x2,...,xm),我们将这m个数据从n维降到r维,希望这m个r维的数据集尽可能的代表原始数据集。
小一
2019-08-14
951
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档