PCA与ICA

时间 2021-07-13

原文原文链接

PCA与ICA 关于机器学习理论方面的研究，最好阅读英文原版的学术论文。PCA主要作用是数据降维，而ICA主要作用是盲信号分离。在讲述理论依据之前，先思考以下几个问题：真实的数据训练总是存在以下几个问题： ①特征冗余情况，比如建立文档-词频矩阵过程中，"learn"和"study"两个特征，从VSM（计算文档向量间的相似度，Lucene评分机制由此推导而来）角度来看，两者独立，但是从语义角度看，是

>>阅读原文<<

1. PCA,CCA,ICA的关系
2. ICA
3. 特征转换方法比较（PCA、ICA、LDA）
4. 主成分分析（PCA）和独立成分分析（ICA）
5. VFBUSENEREMuJFA0NDE-.ica
6. PCA与Kernel PCA介绍与对比
7. PCA与LDA
8. Citrix Directory ICA RTT
9. <ICA>Independent Component Analysis与fMRI
10. 主成分分析（PCA）与Kernel PCA
更多相关文章...
• XSL-FO 与 XSLT - XSL-FO 教程
• PHP - AJAX 与 PHP - PHP教程
• Composer 安装与使用
• Java Agent入门实战（一）-Instrumentation介绍与使用