zoukankan      html  css  js  c++  java
  • 201116西瓜书机器学习系列---10、降维

    201116西瓜书机器学习系列---10、降维

    一、总结

    一句话总结:

    先讲一个【引子:k-nearst labor】,然后讲【降维方法】,有【线性和非线性两种】,然后是度量学习

    1、降维常见方法?

    降维方法主要是【线性和非线性两种】,线性的里面有我们熟知的【主成分分析PCA】

    2、K近邻学习?

    K近邻学习的原理就是判断一个点的正负的时候,【找离他最近的点的正负】即可,【k=3就是最近的3个样本】

    3、线性变换降维的原理?

    比如从1000维降到100维,原理就是【乘一个W矩阵】,所以问题的核心就是【寻找合适的W】

    4、主成分分析PCA原理?

    比如二维降到一维,我们需要【画一条直线尽可能保留原始信息】,这条直线需满足【最近重构性】和【最大可分性】
    【最近重构性】:样本点【到这个直线的距离足够近】;【最大可分性】:样本点【在这个直线的投影尽量分散】

    5、主成分分析PCA简单数学原理?

    先简单abc【勾股定理】,想要【a^2足够大就是让b^2足够小】,使用【拉格朗日乘子法】,就是【求特征向量相加最大的值】

    6、南瓜书PumpkinBook?

    PumpkinBook【西瓜书里所有重点公式的推导和解析】:https://github.com/datawhalechina/pumpkin-book

    7、降维用到的不多,但是Embedding用到的真的多?

    用一个【低维度稠密向量表示一个对象】,广泛应用于推荐、广告、搜索等领域【(万物皆embedding)】

    8、机器学习和深度学习耗时太久的原因?

    【没有系统的看书】,【找到的资料并不好】,所以【可以系统的看书,多看几本】

    二、内容在总结中

    博客对应课程的视频位置:

    我的旨在学过的东西不再忘记(主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法)的偏公益性质的完全免费的编程视频学习网站: fanrenyi.com;有各种前端、后端、算法、大数据、人工智能等课程。
    博主25岁,前端后端算法大数据人工智能都有兴趣。
    大家有啥都可以加博主联系方式(qq404006308,微信fan404006308)互相交流。工作、生活、心境,可以互相启迪。
    聊技术,交朋友,修心境,qq404006308,微信fan404006308
    26岁,真心找女朋友,非诚勿扰,微信fan404006308,qq404006308
    人工智能群:939687837

    作者相关推荐

  • 相关阅读:
    关于系统中账号注册登录的一些想法
    关于Data URLs svg图片显示出错和浏览器URL hash #
    我的Spring Boot学习记录(一):自动配置的大致调用过程
    Java工具类——通过配置XML验证Map
    关于HTTPS的简要内容
    Effective Java目录
    Java 初始化a=2 打印a+++a++为5
    Spring SpringMVC MyBatis配置笔记
    Debian8 部署 laravel 5.3 (php7.0 + nginx)
    Intellij idea配置springMvc4.2.6
  • 原文地址:https://www.cnblogs.com/Renyi-Fan/p/14001283.html
Copyright © 2011-2022 走看看