【机器学习基础】无监督学习（2）——降维之LLE和TSNE
在上一节介绍了一种最常见的降维方法PCA，本节介绍另一种降维方法LLE，本来打算对于其他降维算法一并进行一个简介，不过既然看到这里了，就对这些算法做一个相对详细的学习吧。 0.流形学习简介 在前面PCA中说到，PCA是一种无法将数据进行拉直，当直接对于曲面进行降维后，导致数据的重叠，难以 ...
原文：机器学习基础---无监督学习之降维
一：降维之数据压缩 将讨论第二种无监督学习的问题：降维。数据压缩不仅能让我们对数据进行压缩，使得数据占用较少的内存和硬盘空间，还能对学习算法进行加速。 一 降维是什么 二维降至一维 假使我们要采用两种不同的仪器来测量一些东西的尺寸，其中一个仪器测量结果的单位是英寸，另一个仪器测量的结果是厘米，我们希望将测量的结果作为我们机器学习的特征。 现在的问题的是，两种仪器对同一个东西测量的结果不完全相等 由 ...
2020-05-22 21:41 0 633 推荐指数：
相关推荐
【机器学习基础】无监督学习（1）——PCA
前面对半监督学习部分作了简单的介绍，这里开始了解有关无监督学习的部分，无监督学习内容稍微较多，本节主要介绍无监督学习中的PCA降维的基本原理和实现。 PCA 0.无监督学习简介 相较于有监督学习和半监督学习，无监督学习就是从没有标签的数据中进行知识发现的过程。 更具体地说，无监督学习 ...
【机器学习基础】无监督学习（3）——AutoEncoder
前面主要回顾了无监督学习中的三种降维方法，本节主要学习另一种无监督学习AutoEncoder，这个方法在无监督学习领域应用比较广泛，尤其是其思想比较通用。 AutoEncoder 0.AutoEncoder简介 在PCA一节中提到，PCA的可以看做是一种NN模型，通过输入数据，乘以权重w ...
机器学习中的有监督学习，无监督学习，半监督学习
在机器学习(Machine learning)领域。主要有三类不同的学习方法： 监督学习(Supervised learning)、 非监督学习(Unsupervised learning)、 半监督学习(Semi-supervised learning)， 监督学习 ...
机器学习分类之监督学习、无监督学习和强化学习
的机器学习。统计学习的方法是基于数据构建概率统计模型从而对数据进行预测与分析，一般包括监督学习、无监督学习 ...
无监督学习——降维
为什么要降维？ 维数少可以使算法有更快的计算速度，减少机器内存占用等 多个特征携带的“信息”有相同或类似的情况（冗余） 用于数据可视化 如何降维？ 简单的例子，对于二位数据 可以找到一条线 将所有的数据映射到这条线上 然后用映射后的一维数据去代表二位数 ...
6.无监督学习-降维
PCA算法及其应用 1.主成分分析（PCA） 1.主成分分析(Principal Component Analysis,PCA) 是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用做数据压缩和预处理等。2.PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分 ...
机器学习一 -- 什么是监督学习和无监督学习？
机器学习中的监督学习和无监督学习 说在前面 最近的我一直在寻找实习机会，很多公司给了我第一次电话面试的机会，就没有下文了。不管是HR姐姐还是第一轮的电话面试，公司员工的态度和耐心都很值得点赞，我也非常感激他们。但是我都没有进入下一轮面试的机会，一路想想我的简历和学习经历，确实也挺难有 ...