【机器学习笔记】PCA降维
降维 降维也是一种无监督学习问题。当有很多特征时，有一些特征会是冗余的，可以转化为更少的特征。 也可以用降维来压缩数据，减少内存空间。 一、数据压缩 把3维的数据，映射到一个平面上，就转化为了2维的数据。 二、可视化数据 对于一个高达50维特征的数据集，我们不能直观地去绘制图像来观察数据，这时候就可以应用降维。 这时候可以将50维->2维，那就要用这2维特征来概括50维。例如一个国家的特征由GDP
相关文章
- 1. [机器学习笔记]降维（PCA）
- 2. PCA降维笔记
- 3. 吴恩达机器学习笔记——降维与PCA算法
- 4. 机器学习--降维技术PCA
- 5. 机器学习PCA数据降维
- 6. 机器学习之PCA降维
- 7. 机器学习：数据降维：PCA 、LDA
- 8. 机器学习（六）——PCA降维处理
- 9. 机器学习-降维（SVD、PCA）
- 10. 一、降维——机器学习笔记——降维（特征提取）
- 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
相关文章
- 1. [机器学习笔记]降维（PCA）
- 2. PCA降维笔记
- 3. 吴恩达机器学习笔记——降维与PCA算法
- 4. 机器学习--降维技术PCA
- 5. 机器学习PCA数据降维
- 6. 机器学习之PCA降维
- 7. 机器学习：数据降维：PCA 、LDA
- 8. 机器学习（六）——PCA降维处理
- 9. 机器学习-降维（SVD、PCA）
- 10. 一、降维——机器学习笔记——降维（特征提取）