摘要：
论文目标：做high dimensional regression的问题，即 一般做回归的时候y的维度会比x低，甚至是一维的，比如一般用回归来做分类、预测。但是y的维度如果比较高，而x可以是高维也可以是低维，回归问题可能需要有不一样的角度去思考。主要idea：假设y中的feature是有冗余的，可以... 阅读全文
摘要：
在做很多研究问题时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏... 阅读全文
摘要：
原创书写，转载请注明此文出自：http://blog.csdn.net/xbinworld，Bin的专栏 Pattern Recognition and Machine Learning (PRML)书，章节1.2，Probability Theory （上）这一节是浓缩了整本书关于概率论的精华，突... 阅读全文
摘要：
原创书写，转载请注明此文出自：http://blog.csdn.net/xbinworld，Bin的专栏 Pattern Recognition and Machine Learning (PRML)书学习，章节1.1，介绍与多项式曲线拟合(Polynomial Curve Fitting)博士也快... 阅读全文
摘要：
原创书写，转载请注明此文出自：http://www.cnblogs.com/xbinworld，http://blog.csdn.net/xbinworld Laplacian Eigenmaps 继续写一点经典的降维算法，前面介绍了PCA,LDA，LLE，这里讲一讲Laplacian Eigenm... 阅读全文
摘要：
如引用请务必注明此文出自：http://blog.csdn.net/xbinworldLLE Locally linear embedding（LLE）[1] 是一种非线性降维算法，它能够使降维后的数据较好地保持原有流形结构。LLE可以说是流形学习方法最经典的工作之一。很多后续的流形学习、降维... 阅读全文