摘要： 推荐文章 Compressed Learning: Universal Sparse Dimensionality Reduction and Learning in the Measurement Domain。Robert Calderbank写的。压缩感知的特点是：对于高维稀疏数据，我们可以通过nonadptive的方式（多为随机采样）来对其进行降维DR，并通过求解优化问题来恢复原数据。机器学习的问题有：维数灾难。高维数据会带来很多问题，使得回归或者分类等问题需要的样本数大大增加。将机器学习和压缩感知结合起来，从而避免高维空间中学习遇到的克服维数灾难问题（这里貌似可以将线性的传感矩阵当做 阅读全文

摘要： 这是一篇《The Journal of Machine Learning Research》杂志上2003年的文章，题目如题。作者是Isabelle Guyon，Andr¶e Elissee。对这些人或者牛人，我并不熟悉。关键是引用数高达4455（google 学术数据，2013年5月31日）。不得不看了。原文摘要如下：Variable and feature selection have become the focus of much research in areas of application for which datasets with tens or hundreds 阅读全文

摘要： 今天，在网上看到一份关于Robust PCA（鲁棒主成分分析）的文章，讲的通俗生动。将原文地址分享如下：http://www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/RPCA.pdf”Robust PCA 就是把 Principle Component Analysis 加上一個 Robust Function 去測量在各個 dimension 以內的 outliers, 並且想辦法去做修正的一個方法。“ 阅读全文