摘要：
1. 聚类 给定样本集 \(D = \{ \bm{x}_1, \bm{x}_2, ..., \bm{x}_n \}\)，\(\bm{x}_i \in \mathbb{R}^d\)。 通过聚类将 \(n\) 个样本划分为 \(k\) 个 簇划分 \(\mathcal C = \{ C_1, C_2, 阅读全文
摘要：
1. 主成分分析 PCA PCA：寻找最能够 表示 原始数据的投影方法，对数据进行降维，除去冗余的信息。——不考虑类别 1.1 PCA 主要步骤 计算 散布矩阵 \(S\)（或者样本的协方差矩阵） \[S = \sum_{i=1}^{n}(\bm{x}_i - \bm{\mu})(\bm{x}_i 阅读全文