摘要：
计算过程参考：《机器学习——主成分分析（PCA）》 代码： X = np.array([[-1, -2], [-1, 0], [0, 0], [2, 1], [0, 1]]) print(X) def PCA(X,n): #转置 X = np.transpose(X) #求特征的均值 X_mean 阅读全文
摘要：
结论 >>> a = np.array([[1, 2], [3, 4]]) >>> np.mean(a) # 将上面二维矩阵的每个元素相加除以元素个数（求平均数） 2.5 >>> np.mean(a, axis=0) # axis=0，计算每一列的均值 array([ 2., 3.]) >>> np 阅读全文
摘要：
part1/经典款论文 1. KDD 2016，Node2vec 经典必读第一篇，平衡同质性和结构性 《node2vec: Scalable Feature Learning for Networks》 2. WWW2015，LINE 1阶+2阶相似度 《Line: Large-scale info 阅读全文