对The Curse of Dimensionality（维度灾难）的理解
一个特性：低维（特征少）转向高维的过程中，样本会变的稀疏（可以有两种理解方式：1.样本数目不变，样本彼此之间距离增大。2.样本密度不变，所需的样本数目指数倍增长）。 高维度带来的影响： 1.变得可分。 由于变得稀疏，之前低维不可分的，在合适的高维度下可以找到一个可分的超平面。 2. ...
原文：curse of dimensionality维数灾难
或者翻译成维度的咒语，这个咒语出现在很多方面： sampling采样 如果数据是低维的，所需的采样点相对就比较少 如果数据是高维的，所需的采样点就会指数级增加，而实现中面对高维问题时往往无法获得如此多的样本点 即使获得了也无法处理这么庞大数据量 ，样本少不具有代表性自然不能获得正确的结果。 combinatorics组合数学 由于每个维度上候选集合是固定的，维度增加后所有组合的总数就会指数级增加。 ...
2012-12-04 15:58 0 6967 推荐指数：
相关推荐
维数约减--Dimensionality Reduction
目录 维数约减--Dimensionality Reduction 数据压缩-data compression 可视化数据-data visualization 主成分分析法-Principal Component Analysis（PCA ...
分类问题中的“维数灾难”
在看机器学习的论文时，经常会看到有作者提到“curse of dimensionality”，中文译为“维数灾难”，这到底是一个什么样的“灾难”？本文将通过一个例子来介绍这令人讨厌的“curse of dimensionality”以及它在分类问题中的重要性。 假设现在有一组照片，每一张 ...
重新认识维数灾难--反直觉的高维空间
curse of dimensionality维数灾难 或者翻译成维度的咒语，这个咒语出现在很多方面： sampling采样 如果数据是低维的，所需的采样点相对就比较少；如果数据是高维的，所需的采样点就会指数级增加，而实现中面对高维问题时往往无法获得如此多的样本点（即使获得了也无 ...
05维数软件
...
维数定理的证明
...
高维数据降维 国家自然科学基金项目 2009-2013 NSFC Dimensionality Reduction
2013 基于数据降维和压缩感知的图像哈希理论与方法 唐振军 广西师范大学 ...
PCA降维以及维数的确定
概述 PCA（principal components analysis）即主成分分析技术，又称为主分量分析，旨在利用降维的思想，把多个指标转换为少数的几个综合指标。 主成分分析是一种简化数据集的 ...