主成分分析（PCA）特征选择算法详解
摘要：真实的训练数据总是存在各种各样的问题： 1、 比如拿到一个汽车的样本，里面既有以“千米/每小时”度量的最大速度特征，也有“英里/小时”的最大速度特征，显然这两个特征有一个多余。 2、 拿到一个数学系的本科生期末考试成绩单，里面有三列，一列是对数学的兴趣程度，一列是复习时间，还有一列是考试成绩。我们知
阅读全文
posted @
2016-04-26 15:56
上品物语
阅读(28564)
推荐(2) 编辑
均值、方差、标准差及协方差、协方差矩阵详解
摘要：一、统计学基本概念：均值、方差、标准差 统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式描述： 均值： 方差： 标准差： 均值描述的是样本集合的中间点，它告诉我们的信息是有限的。 方差（variance)是在概率论和统计方差衡量随机变量或
阅读全文
posted @
2016-04-26 14:27
上品物语
阅读(50713)
推荐(3) 编辑
scikit-learn中的主成分分析（PCA）的使用
摘要：1、函数原型及参数说明 参数说明： n_components: 意义：PCA算法中所要保留的主成分个数n，也即保留下来的特征个数n 类型：int 或者 string，缺省时默认为None，所有成分被保留。 赋值为int，比如n_components=1，将把原始数据降到一个维度。 赋值为string
阅读全文
posted @
2016-04-26 09:50
上品物语
阅读(23012)
推荐(3) 编辑
