斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記15——隱含語(yǔ)義索引、奇異值分解、獨(dú)立成分分析
我們?cè)谏弦黄P記中講到了PCA(主成分分析)。PCA是一種直接的降維方法,通過(guò)求解特征值與特征向量,并選取特征值較大的一些特征向量來(lái)達(dá)到降維的效果。
本文引用地址:http://www.ex-cimer.com/article/201704/358454.htm本文繼續(xù)PCA的話(huà)題,包括PCA的一個(gè)應(yīng)用——LSI(Latent Semantic Indexing, 隱含語(yǔ)義索引)和PCA的一個(gè)實(shí)現(xiàn)——SVD(Singular Value Decomposition,奇異值分解)。在SVD和LSI結(jié)束之后,關(guān)于PCA的內(nèi)容就告一段落。視頻的后半段開(kāi)始講無(wú)監(jiān)督學(xué)習(xí)的一種——ICA(Independent Component Analysis, 獨(dú)立成分分析)。
本筆記的13-15部分的pdf已上傳csdn資源中,下載請(qǐng)猛擊屠龍寶刀,下載就送。
評(píng)論