摘要：
并且SVD分解也适用于一般的矩阵。 主成分分析可以简单的总结成一句话：数据的压缩和解释。常被用来寻找判断某种事物或现象的综合指标，并且给综合指标所包含的信息以适当的解释。在实际的应用过程中，主成分分析常被用作达到目的的中间手段，而非完全的一种分析方法。 可以通过矩阵变换知道原始数据能够浓缩成几个主成 阅读全文
摘要：
EM算法要解决的问题： 隐变量问题： EM算法求解实例： Jensen不等式： 凸函数： 如果函数f的定义域domf为凸集，且满足 ∀x,y∈domf,0≤θ≤1∀x,y∈domf,0≤θ≤1有 f(θx+(1−θ)y)≤θf(x)+(1−θ)f(y)f(θx+(1−θ)y)≤θf(x)+(1−θ) 阅读全文
摘要：
降维的作用： 高维数据特征个数多，特征样本多，维度也很大，计算量就会很大，调参和最后评估任务时，计算量非常大，导致效率低。 高位数据特征特别多，有的特征很重要，有的特征不重要，可以通过降维保留最好、最重要的特征。 PCA是无类别信息，不知道样本属于哪个类，用PCA，通常对全体数据操作。 LDA有类别 阅读全文