machine learning 第八週 PCA
PCA主成份分析 (principal component analysis） 爲何降維？？？ 1. 爲了可視化 2.爲了找到問題的主要矛盾：數據壓縮 PCA基本思想 找一個k維的平面，原始數據都投影到這個平面上來，s.t.內積的error最小 note that：lr和pca不同 ，lr是垂直的，pca是投影的 算法具體內容 1.預處理：feature scaling(不同feature
相關文章
- 1. machine learning 第八週 k-means
- 2. Machine Learning第八講【非監督學習】-- （四）PCA應用
- 3. coursera Machine Learning 第八週 測驗quiz1答案解析 Unsupervised Learning
- 4. Machine learning 第8周編程作業 K-means and PCA
- 5. Andrew Ng Machine Learning 第六週
- 6. machine learning 第九周 Anomaly Detection
- 7. machine learning 第七週 總結
- 8. Machine Learning Series No.10 -- PCA
- 9. Machine Learning in Action – PCA和SVD
- 10. 第八週（無監督學習）-【機器學習-Coursera Machine Learning-吳恩達】
- 更多相關文章...
- • Docker Machine - Docker教程
- • Rust 生命週期 - RUST 教程
- • 使用Rxjava計算圓周率
- • RxJava操作符（八）Aggregate
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. machine learning 第八週 k-means
- 2. Machine Learning第八講【非監督學習】-- （四）PCA應用
- 3. coursera Machine Learning 第八週 測驗quiz1答案解析 Unsupervised Learning
- 4. Machine learning 第8周編程作業 K-means and PCA
- 5. Andrew Ng Machine Learning 第六週
- 6. machine learning 第九周 Anomaly Detection
- 7. machine learning 第七週 總結
- 8. Machine Learning Series No.10 -- PCA
- 9. Machine Learning in Action – PCA和SVD
- 10. 第八週（無監督學習）-【機器學習-Coursera Machine Learning-吳恩達】