Factor analysis 主成分分析
上篇博文介绍了EM算法用于拟合混合高斯模型，但是当数据个数远小于特征维度时，高斯模型难以使用，因为维度高时需要更多数据来充分拟合模型，以单高斯分布建模为例： 由最大化拟然函数可得： 此时方差矩阵不可逆，所以模型不能工作。可能的解决方法： 1 限制方差矩阵 可以限制矩阵只有主对角线非0，这样实质上是抛弃了特征之间的某些关系，其实没有很好的学习到数据特征。 2 因子分析模型 在上一种方法中，我们限制协
相关文章
- 1. 因子分析（Factor Analysis）
- 2. 机器学习：Factor analysis因子分析
- 3. Principal Component Analysis，PCA主成分分析
- 4. Principle component analysis (PCA) (主成分分析)
- 5. Principal Component Analysis (PCA)主成分分析
- 6. PCA（Principal Component Analysis）主成分分析
- 7. PCA(principal Component Analysis) 主成分分析
- 8. 主成分分析（principal components analysis, PCA）
- 9. Principle Component Analysis 主成分分析
- 10. 主成分分析（Principal Component Analysis, PCA）
- 更多相关文章...
- • SVN分支 - SVN 教程
- • IP地址分配（静态分配+动态分配+零配置） - TCP/IP教程
- • Git五分钟教程
- • 算法总结-二分查找法
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. 因子分析（Factor Analysis）
- 2. 机器学习：Factor analysis因子分析
- 3. Principal Component Analysis，PCA主成分分析
- 4. Principle component analysis (PCA) (主成分分析)
- 5. Principal Component Analysis (PCA)主成分分析
- 6. PCA（Principal Component Analysis）主成分分析
- 7. PCA(principal Component Analysis) 主成分分析
- 8. 主成分分析（principal components analysis, PCA）
- 9. Principle Component Analysis 主成分分析
- 10. 主成分分析（Principal Component Analysis, PCA）