machine learning 第八周 PCA
PCA主成份分析 (principal component analysis） 为何降维？？？ 1. 为了可视化 2.为了找到问题的主要矛盾：数据压缩 PCA基本思想 找一个k维的平面，原始数据都投影到这个平面上来，s.t.内积的error最小 note that：lr和pca不同 ，lr是垂直的，pca是投影的 算法具体内容 1.预处理：feature scaling(不同feature
相关文章
- 1. machine learning 第八周 k-means
- 2. Machine Learning第八讲【非监督学习】-- （四）PCA应用
- 3. coursera Machine Learning 第八周 测验quiz1答案解析 Unsupervised Learning
- 4. Machine learning 第8周编程作业 K-means and PCA
- 5. Andrew Ng Machine Learning 第六周
- 6. machine learning 第九周 Anomaly Detection
- 7. machine learning 第七周 总结
- 8. Machine Learning Series No.10 -- PCA
- 9. Machine Learning in Action – PCA和SVD
- 10. 第八周（无监督学习）-【机器学习-Coursera Machine Learning-吴恩达】
- 更多相关文章...
- • Docker Machine - Docker教程
- • Rust 生命周期 - RUST 教程
- • 使用Rxjava计算圆周率
- • RxJava操作符（八）Aggregate
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. machine learning 第八周 k-means
- 2. Machine Learning第八讲【非监督学习】-- （四）PCA应用
- 3. coursera Machine Learning 第八周 测验quiz1答案解析 Unsupervised Learning
- 4. Machine learning 第8周编程作业 K-means and PCA
- 5. Andrew Ng Machine Learning 第六周
- 6. machine learning 第九周 Anomaly Detection
- 7. machine learning 第七周 总结
- 8. Machine Learning Series No.10 -- PCA
- 9. Machine Learning in Action – PCA和SVD
- 10. 第八周（无监督学习）-【机器学习-Coursera Machine Learning-吴恩达】