摘要: 做这个实验对于PCA有了进一步的了解,但是其实还是没有完全理解。不过先就这样了。问题:1)其实对于PCA这块还是没有比较深刻的理解2)SVD不懂呀。3)4)5)想法:1)感觉,如果PCA只是为了降维准备的话,应该还是要按照Andrew Ng CS229中的方法,先0均值,然后标准方差,然后PCA... 阅读全文
posted @ 2015-11-14 21:50 菜鸡一枚 阅读(272) 评论(0) 推荐(0) 编辑
摘要: P问题、NP问题、NPC问题、NP难问题的概念离入职尚有几天时间,闲来无事,将大家常见却又很容易搞糊涂的几个概念进行整理,希望对大家有所帮助。你会经常看到网上出现“这怎么做,这不是NP问题吗”、“这个只有搜了,这已经被证明是NP问题了”之类的话。你要知道,大多数人此时所说的NP问题其实都是指的NPC... 阅读全文
posted @ 2015-11-14 19:05 菜鸡一枚 阅读(953) 评论(0) 推荐(0) 编辑
摘要: 二维码的生成细节和原理二维码又称QR Code,QR全称Quick Response,是一个近几年来移动设备上超流行的一种编码方式,它比传统的Bar Code条形码能存更多的信息,也能表示更多的数据类型:比如:字符,数字,日文,中文等等。这两天学习了一下二维码图片生成的相关细节,觉得这个玩意就是一个... 阅读全文
posted @ 2015-11-14 19:02 菜鸡一枚 阅读(535) 评论(0) 推荐(0) 编辑
摘要: Exercise:PCA in 2D 代码示例练习参考PCA in 2D实现主成分分析和白化的过程是:pca_2d.m中代码如下:[plain]view plaincopycloseall%%Step0:Loaddatax=load('pcaData.txt','-ascii');figure(1)... 阅读全文
posted @ 2015-11-14 16:06 菜鸡一枚 阅读(346) 评论(0) 推荐(0) 编辑
摘要: Deep learning:十一(PCA和whitening在二维数据中的练习)前言: 这节主要是练习下PCA,PCA Whitening以及ZCA Whitening在2D数据上的使用,2D的数据集是45个数据点,每个数据点是2维的。参考的资料是:Exercise:PCA in 2D。结合前面的... 阅读全文
posted @ 2015-11-14 16:05 菜鸡一枚 阅读(205) 评论(0) 推荐(0) 编辑
摘要: Deep learning:十(PCA和whitening)PCA: PCA的具有2个功能,一是维数约简(可以加快算法的训练速度,减小内存消耗等),一是数据的可视化。 PCA并不是线性回归,因为线性回归是保证得到的函数是y值方面误差最小,而PCA是保证得到的函数到所降的维度上的误差最小。另外线性... 阅读全文
posted @ 2015-11-14 16:03 菜鸡一枚 阅读(135) 评论(0) 推荐(0) 编辑
摘要: PCA ,PCAWhitening ,ZCAWhitening白化的目的:举例来说,假设训练数据是图像,由于图像中相邻像素之间具有很强的相关性,所以用于训练时输入是冗余的。白化的目的就是降低输入的冗余性;更正式的说,我们希望通过白化过程使得学习算法的输入具有如下性质:(i)特征之间相关性较低;(ii... 阅读全文
posted @ 2015-11-14 16:02 菜鸡一枚 阅读(586) 评论(0) 推荐(0) 编辑
摘要: Exercise:Vectorization 代码示例练习参考Vectorization需要在练习Sparse Autoencoder的基础上做。可将Sparse Autoencoder拷贝一份并重命名为Vectorization。下载教程提供的数据,解压缩后将train-images-idx3-u... 阅读全文
posted @ 2015-11-14 16:01 菜鸡一枚 阅读(160) 评论(0) 推荐(0) 编辑
摘要: 这个实验其实主要是对于sparseAutoencoderCost.m向量化,但是由于之前已经进行了向量化,所以这其实没什么内容(之前其实感觉向量化,挺难的,但是第一个实验就向量化是有难度的,不过这个实验之前有很多向量化的提示)。就是自编码的结构参数,按照文档改一下,下载给的帮助代码。问题:1)2... 阅读全文
posted @ 2015-11-14 15:50 菜鸡一枚 阅读(239) 评论(0) 推荐(0) 编辑