機器學習 聚類分析和主成分分析 在機器學習中，非監督性學習主要用來分類。其中重要的兩種就是聚類分析和主成分分析。這兩類算法在數據壓縮和數據可視化方面有着廣泛的應用。 所謂無監督學習是指訓練集里面只有點 x ,x , ldots,x m ，沒有對應的性質標簽 y 。所以非監督性學習的目的不再是預測，而是分類。 一 聚類分析 經典的聚類分析算法是K mean算法。K是類的數目，mean是均值。 . K ...
2015-08-13 16:27 0 2060 推薦指數：
#對coursera上Andrew Ng老師開的機器學習課程的筆記和心得； #注:此筆記是我自己認為本節課里比較重要、難理解或容易忘記的內容並做了些補充，並非是課堂詳細筆記和要點； #標記為<補充>的是我自己加的內容而非課堂內容，參考文獻列於文末。博主能力有限，若有錯誤，懇請指正； #------------------------------------------------ ...
聚類分析（cluster analysis）是將一組研究對象分為相對同質的群組（clusters）的統計分析技術，即將觀測對象的群體按照相似性和相異性進行不同群組的划分，划分后每個群組內部各對象相似度很高，而不同群組之間的對象彼此相異度很高。 回歸、分類、聚類的區別 ： 有監督學習 ...
，可以解釋為這兩個變量反 映此課題的信息有一定的重疊。主成分分析是對於原先提出的所有變量，將重復的變量(關 ...
------------------------------PCA簡單使用------------------------------ 一：回顧PCA （一）主成分分析法是干什么用的？ 數據降維，話句話說就是將數據地特征數量變少，但又不是簡單地刪除特征。 數據降維地目的可以是壓縮數據，減少 ...
主成分分析 (principal component analysis, PCA) 是投影法的典型代表。投影法是指將高維的數據向低維投影，投影的方向可通過特征值分析等方法來確定。 具體來說，假設我們有一個具有 \(n\) 維特征的數據集，共有 \(m\) 個樣本點，我們希望這 \(m\) 個樣本 ...
主成分分析就是設法將原來眾多具有一定相關性（比如P個指標），重新組合成一組新的互相無關的綜合指標來代替原來的指標。綜合指標即為主成分。所得出的少數幾個主成分，要盡可能多地保留原始變量的信息，且彼此不相關。 因子分析是研究如何以最少的信息丟失，將眾多原始變量濃縮成少數幾個因子變量，以及如何使因子變量 ...
轉：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.html 版權聲明： ...
一：引入問題 首先看一個表格，下表是某些學生的語文，數學，物理，化學成績統計： 首先，假設這些科目成績不相關，也就是說某一科目考多少分與其他科目沒有關系，那么如何判斷三個學生的優秀程度呢？首先我們一眼就能看出來，數學，物理，化學這三門課的成績構成了這組數據的主成分（很顯然，數學 ...
