边儿上的小人您要嫌碍事儿,可将鼠标放在上头,边上底下有个叉,点一下就收起来了
随笔分类 - 梯度上升法(包含PCA问题)
梯度上升法(包含PCA问题)
摘要:##人脸识别与特征脸(简单介绍) 什么是特征脸 特征脸(Eigenface)是指用于机器视觉领域中的人脸识别问题的一组特征向量,该方法被认为是第一种有效的人脸识别方法。 PCA的具体实现思想见 【笔记】主成分分析法PCA的原理及计算 (在notebook中) 我们需要加载相应的方法fetch_lfw
阅读全文
摘要:##使用PCA对数据进行降噪(使用手写数字实例) (在notebook中) 加载库并制作虚拟的数据并进行绘制 import numpy as np import matplotlib.pyplot as plt X = np.empty((100,2)) X[:,0] = np.random.uni
阅读全文
摘要:##sklearn中的PCA(真实的数据集) (在notebook中) 加载好需要的内容,手写数字数据集 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets digits = datasets
阅读全文
摘要:##求数据前n个主成分并进行高维数据映射为低维数据的操作 ###求数据前n个主成分 先前的将多个样本映射到一个轴上以求使其降维的操作,其中的样本点本身是二维的样本点,将其映射到新的轴上以后,还不是一维的数据,对于n维数据来说,他应该有n个轴,第一个轴是方差最大的,第二个轴次之,以此类推,可以将主成分
阅读全文
摘要:##求数据的第一主成分 (在notebook中) 将包加载好,再创建出一个虚拟的测试用例,生成的X有两个特征,特征一为0到100之间随机分布,共一百个样本,对于特征二,其和特征一有一个基本的线性关系(为什么要有一个基本的线性关系?是因为含有一个基本的线性关系,这样对数据降维的效果会更加的明显) im
阅读全文
摘要:##主成分分析法PCA的原理及计算 ###主成分分析法 主成分分析法(Principal Component Analysis),简称PCA,其是一种统计方法,是数据降维,简化数据集的一种常用的方法 它本身是一个非监督学习的算法,作用主要是用于数据的降维,降维的意义是挺重要的,除了显而易见的通过降维
阅读全文