Factor analysis 主成分分析
上篇博文介紹了EM算法用於擬合混合高斯模型，但是當數據個數遠小於特徵維度時，高斯模型難以使用，因爲維度高時需要更多數據來充分擬合模型，以單高斯分佈建模爲例： 由最大化擬然函數可得： 此時方差矩陣不可逆，所以模型不能工作。可能的解決方法： 1 限制方差矩陣 可以限制矩陣只有主對角線非0，這樣實質上是拋棄了特徵之間的某些關係，其實沒有很好的學習到數據特徵。 2 因子分析模型 在上一種方法中，我們限制協
相關文章
- 1. 因子分析（Factor Analysis）
- 2. 機器學習：Factor analysis因子分析
- 3. Principal Component Analysis，PCA主成分分析
- 4. Principle component analysis (PCA) (主成分分析)
- 5. Principal Component Analysis (PCA)主成分分析
- 6. PCA（Principal Component Analysis）主成分分析
- 7. PCA(principal Component Analysis) 主成分分析
- 8. 主成分分析（principal components analysis, PCA）
- 9. Principle Component Analysis 主成分分析
- 10. 主成分分析（Principal Component Analysis, PCA）
- 更多相關文章...
- • SVN分支 - SVN 教程
- • IP地址分配（靜態分配+動態分配+零配置） - TCP/IP教程
- • Git五分鐘教程
- • 算法總結-二分查找法
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. 因子分析（Factor Analysis）
- 2. 機器學習：Factor analysis因子分析
- 3. Principal Component Analysis，PCA主成分分析
- 4. Principle component analysis (PCA) (主成分分析)
- 5. Principal Component Analysis (PCA)主成分分析
- 6. PCA（Principal Component Analysis）主成分分析
- 7. PCA(principal Component Analysis) 主成分分析
- 8. 主成分分析（principal components analysis, PCA）
- 9. Principle Component Analysis 主成分分析
- 10. 主成分分析（Principal Component Analysis, PCA）