在機器學習的過程中，我們經常會遇見過擬合的問題。而輸入數據或features的維度過高就是導致過擬合的問題之一。。維度越高，你的數據在每個特征維度上的分布就越稀疏，這對機器學習算法基本都是災難性的。所有出現了很多降維的方法。今天我們要討論的就是LDA降維。 LDA降維的思路是：如果兩類數據線 ...

（Clustering）是最常見的無監督學習算法，它指的是按照某個特定標准（如距離）把一個數據集分割成不同的類 ...

　　最近在看論文的時候看到論文中使用isomap算法把3D的人臉project到一個2D的image上。提到降維，我的第一反應就是PCA,然而PCA是典型的線性降維，無法較好的對非線性結構降維。ISOMAP是‘流形學習’中的一個經典算法，流形學習貢獻了很多降維算法，其中一些與很多機器學習算法也有 ...

背景與原理： PCA（主成分分析）是將一個數據的特征數量減少的同時盡可能保留最多信息的方法。所謂降維，就是在說對於一個$n$維數據集，其可以看做一個$n$維空間中的點集（或者向量集），而我們要把這個向量集投影到一個$k<n$維空間中，這樣當然會導致信息損失，但是如果這個$k$維空間的基底 ...

我們給大家介紹機器學習領域最常見的模型之一：邏輯回歸。它也是目前工業界解決問題最廣泛作為baseline的 ...

作者：韓信子@ShowMeAI 教程地址：https://www.showmeai.tech/tutorials/34 本文地址：https://www.showmeai.tech/article-detail/189 聲明：版權所有，轉載請聯系平台與作者並注明出處 引言 在眾多機器學習 ...

　　降維是機器學習中很重要的一種思想。在機器學習中經常會碰到一些高維的數據集，而在高維數據情形下會出現數據樣本稀疏，距離計算等困難，這類問題是所有機器學習方法共同面臨的嚴重問題，稱之為“ 維度災難 ”。另外在高維特征中容易出現特征之間的線性相關，這也就意味着有的特征是冗余存在的。基於這些問題，降維 ...

是eXtreme Gradient Boosting的縮寫稱呼，它是一個非常強大的Boosting算法工 ...