【台大李宏毅ML课程】Lecture 13 Unsupervised Learning——Linear Dimension Reduction笔记
本节课主要讲了两种线性降维的方法——cluster和PCA，并从两个角度解释了PCA。最后讲了一些关于矩阵分解的知识。 1.cluster cluster就简单的带过了，主要是k-means和HAC k-means原理： （1）先初始化k个中心点ci (i=1,….,k) （2）如果样本x离ci更近，就划分到第i类 （3）更新每个类别的中心点 （4）重复（2）（3） 如何选择K是个问题~ HAC（
相关文章
- 1. 【台大李宏毅ML课程】Lecture 1-2 Linear Regression、Error笔记
- 2. 李宏毅ML lecture-13 unsupervised Learning Principle Component Analysis
- 3. 李宏毅 DeepLearning-2017-Unsupervised Learning PCA-linear Dimension Reduction
- 4. 李宏毅ML lecture-14 unsupervised Learning--Word Embeddng
- 5. 李宏毅ML lecture-15 unsupervised Learning Neighbor Embedding
- 6. 李宏毅ML lecture-16 unsupervised Learning Auto-encoder
- 7. 李宏毅ML lecture-17-18 unsupervised Learning Generation
- 8. 【台大李宏毅ML课程】Lecture 3 Gradient Descent笔记
- 9. 台大李宏毅Machine Learning 2017Fall学习笔记 (14)Unsupervised Learning:Linear Dimension Reduction
- 10. 李宏毅ML lecture-12 Semi-supervised Learning
- 更多相关文章...
- • ionic 平台 - ionic 教程
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • JDK13 GA发布：5大特性解读
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。
最新文章
- 1. js中 charCodeAt
- 2. Android中通过ViewHelper.setTranslationY实现View移动控制（NineOldAndroids开源项目）
- 3. 【Android】日常记录：BottomNavigationView自定义样式，修改点击后图片
- 4. maya 文件检查 ui和数据分离 （一）
- 5. eclipse 修改项目的jdk版本
- 6. Android InputMethod设置
- 7. Simulink中Bus Selector出现很多? ? ?
- 8. 【Openfire笔记】启动Mac版Openfire时提示“系统偏好设置错误”
- 9. AutoPLP在偏好标签中的生产与应用
- 10. 数据库关闭的四种方式
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 【台大李宏毅ML课程】Lecture 1-2 Linear Regression、Error笔记
- 2. 李宏毅ML lecture-13 unsupervised Learning Principle Component Analysis
- 3. 李宏毅 DeepLearning-2017-Unsupervised Learning PCA-linear Dimension Reduction
- 4. 李宏毅ML lecture-14 unsupervised Learning--Word Embeddng
- 5. 李宏毅ML lecture-15 unsupervised Learning Neighbor Embedding
- 6. 李宏毅ML lecture-16 unsupervised Learning Auto-encoder
- 7. 李宏毅ML lecture-17-18 unsupervised Learning Generation
- 8. 【台大李宏毅ML课程】Lecture 3 Gradient Descent笔记
- 9. 台大李宏毅Machine Learning 2017Fall学习笔记 (14)Unsupervised Learning:Linear Dimension Reduction
- 10. 李宏毅ML lecture-12 Semi-supervised Learning