文章目录降维算法 PCA一、数据维度概念二、skLearn中的降维算法三、PCA与SVD① 降维的实现步骤解析② 重要参数n_components• 累积可解释方差贡献率曲线• 最大似然估计自选超参数• 按信息量占比选超参数③ 重要参数 svd_solver④ 重要属性 components_ ...

1、集成学习是指对于同一个基础数据集使用不同的机器学习算法进行训练，最后结合不同的算法给出的意见进行决策，这个方法兼顾了许多算法的"意见"，比较全面，因此在机器学习领域也使用地非常广泛。生活中其实也普遍存在集成学习的方法，比如买东西找不同的人进行推荐，病情诊断进行多专家会诊等，考虑各方面的意见进行 ...

1、支撑向量机SVM是一种非常重要和广泛的机器学习算法，它的算法出发点是尽可能找到最优的决策边界，使得模型的泛化能力尽可能地好，因此SVM对未来数据的预测也是更加准确的。 2、SVM既可以解决分类问题，又可以解决回归问题，原理整体相似，不过也稍有不同。 在sklearn章调用 ...

1. 函数原型及参数说明 这里只挑几个比较重要的参数进行说明。 sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False) n_components: int, float, None ...

...

决策树方法的简单调用记录一下 View Code 并附上介绍决策树的链接http://scikit-learn.org/stable/modules/tree.html sklearn中自带的数据应用sklearn ...

　　1、聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组(或簇)。这种划分可以基于我们的业务需求或建模需求来完成，也可以单纯地帮助我们探索数据的自然结构和分布。 　　2、KMeans算法将一组N个样本的特征矩阵X划分为K个无交集的簇，直观上来看是簇是一组一组聚集在一起的数据 ...

function [V,S,E]=princa(X) [m,n]=size(X); %计算矩阵的行m和列n %-------------第一步：标准化矩阵-----------------% ...