摘要: GitHub代码练习地址:①利用parse模拟post请求:https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac04_parse-post.py ②parse功能简单应用:https://github.com/Neo-ML/P 阅读全文
posted @ 2019-03-13 14:06 chalee3 阅读(582) 评论(0) 推荐(0) 编辑
摘要: 一、初始值重建的压缩表示 在PCA算法里我们可能需要把1000 维的数据压缩100 维特征,或具有三维数据压缩到一二维表示。所以,如果这是一个压缩算法,应该能回到这个压缩表示,回到原有的高维数据的一种近似。 所以,给定的𝑧(𝑖),这可能100 维,怎么回到你原来的表示𝑥(𝑖),这可能是100 阅读全文
posted @ 2019-03-13 06:03 chalee3 阅读(544) 评论(0) 推荐(0) 编辑
摘要: PCA 减少𝑛维到𝑘维步骤: 第一步是均值归一化。我们需要计算出所有特征的均值,然后令 𝑥𝑗 = 𝑥𝑗 − 𝜇𝑗。如果特征是在不同的数量级上,我们还需要将其除以标准差 𝜎2。 第二步是计算协方差矩阵(covariance matrix) (求和上面的n错了,应该是m) 第三步是计算 阅读全文
posted @ 2019-03-13 03:49 chalee3 阅读(823) 评论(0) 推荐(0) 编辑