斯坦福ML公开课笔记15—隐含语义索引、奇异值分解、独立成分分析
2015-08-13 19:03
274 查看
转载:http://blog.csdn.net/stdcoutzyx/article/details/38037659
斯坦福ML公开课笔记15
我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法,通过求解特征值与特征向量,并选取特征值较大的一些特征向量来达到降维的效果。
本文继续PCA的话题,包括PCA的一个应用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个实现——SVD(Singular Value Decomposition,奇异值分解)。在SVD和LSI结束之后,关于PCA的内容就告一段落。视频的后半段开始讲无监督学习的一种——ICA(Independent Component Analysis, 独立成分分析)。
本笔记的13-15部分的pdf已上传csdn资源中,下载请猛击屠龙宝刀,下载就送。
斯坦福ML公开课笔记15
我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法,通过求解特征值与特征向量,并选取特征值较大的一些特征向量来达到降维的效果。
本文继续PCA的话题,包括PCA的一个应用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个实现——SVD(Singular Value Decomposition,奇异值分解)。在SVD和LSI结束之后,关于PCA的内容就告一段落。视频的后半段开始讲无监督学习的一种——ICA(Independent Component Analysis, 独立成分分析)。
本笔记的13-15部分的pdf已上传csdn资源中,下载请猛击屠龙宝刀,下载就送。
相关文章推荐
- 求无向图的割点 (poj 1144 Network)
- [转载] 从Hadoop到Spark的架构实践
- 求无向图的割点 (poj 1144 Network)
- Hadoop相关基础知识
- mac os 下的sublime --- 快捷键
- HDU_4731 Minimum palindrome(找规律)
- 深入理解java的finalize
- 斯坦福ML公开课笔记14——主成分分析
- hdu3695(AC自动机)
- Eclipse ADT的Custom debug keystore所需证书规格
- laravel 5 sentinel(权限管理包)安装笔记
- SOAPUI 数据源设置
- Mongdb安全和认证
- VS2005调节主界面时,界面上的控件,以及(tab control中的)子界面上的控件一起缩放
- Oracle 学习之RAC(六) 安装数据库
- [转]C/C++中的memset
- 简单的String类
- POJ 2075 Tangled in Cables 最小生成树 Kruskal && Prim
- 斯坦福ML公开课笔记13B-因子分析模型及其EM求解
- Jedis之ShardedJedis一致性哈希分析