机器学习导论(张志华):概率PCA
2018-11-04 20:48
92 查看
前言
这个笔记是北大那位老师课程的学习笔记,讲的概念浅显易懂,非常有利于我们掌握基本的概念,从而掌握相关的技术。
basic concepts
PCA:XTHHXX^THHX XTHHX
PCO:HXXH=HkXPCO :HXXH=HkXPCO:HXXH=HkX
Duality:KPCA;
通过增加约束,从而求解问题,更易优化问题。
Y X。
优化方法常规是将拉格朗日约束加进去。
简单来说,公式推导很重要,但想光通过听讲掌握,还是有点儿困难哦。
相关文章推荐
- 张志华教授《机器学习导论》和《统计机器学习》课程讲义
- 张志华教授《机器学习导论》和《统计机器学习》课程讲义
- 《机器学习导论》和《统计机器学习》学习资料:张志华教授
- 机器学习导论(张志华):EM收敛性原理
- 张志华教授《机器学习导论》和《统计机器学习》课程讲义
- 一道概率题目
- uva 11181 概率与排列
- 51nod 1398 等公交【概率DP】
- PCA之后进行归一化
- 极大似然估计&最大后验概率估计
- Codeforces Round #399 D-Jon and Orbs(概率DP)
- 随机算法和概率分析的区别
- HDU5236(概率DP,贪心)
- Activation HDU - 4089 概率期望dp
- 主成分分析(principal components analysis, PCA)
- [IR课程笔记]概率检索模型
- HDU 4035 maze 概率期望dp
- 【概率dp】POJ 3071
- HDOJ 题目3853 LOOPS(概率DP)
- 关于PCA的那些事