机器学习教程 之 慢特征分析：时序特征挖掘

慢特征分析（slow feature analysis,SFA）是 wiskott 在2002年的一篇论文里提出来的无监督学习方法,它能够从时间序列中提取变化缓慢的特征，被认为是学习时间序列最显著特征的一种方法。这里只讲述SFA应用于线性问题时的模型和解法，其对于非线性问题的应用，是基于线性模型并结合核函数来进行优化的。python 一.慢特征分析模型的数学描述 首先，对于给定的原始时序特征 u(

>>阅读原文<<