机器学习之LDA降维
1. PCA缺点 在上篇介绍PCA的文章中有一句话是: PCA是一种能够极大提升无监督特征学习速度的数据降维算法 这里很明显的说明,PCA适用于非监督学习的数据降维,显而易见,在进行数据降维的时候,我们并没有考虑数据的类别信息,仅仅是针对数据的特征来进行学习.当已知数据的类别时,在某些情况下,PCA的效果将会非常差.例如: 如上图所示,如果使用PCA进行降维,将会映射到Y轴上(接近Y轴,实际的基为
相关文章
- 1. 机器学习降维之LDA
- 2. 机器学习：数据降维：PCA 、LDA
- 3. 机器学习之降维
- 4. 机器学习之降维方法：PCA和LDA的区别
- 5. 机器学习降维之线性判别模型(LDA)
- 6. 机器学习降维算法二：LDA（Linear Discriminant Analysis）
- 7. 【机器学习】降维方法(二)----线性判别分析(LDA)
- 8. 四大机器学习降维算法：PCA、LDA、LLE、Laplacian Eigenmaps
- 9. 机器学习（十）数据降维（PCA与LDA）
- 10. 机器学习-LDA(线性判别)降维算法
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
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
