LDA線性判別器
與PCA的區別 PCA降低維度爲主，而且是一種無監督的降低維度，從數學上讓協方差爲0，讓方差最大，從使得特徵相互獨立，卻可以有效的區分。 LDA，作爲線性判別器，‘投影后類內方差最小，類間方差最大’ 這句話在tripletloss也可以吧哈哈哈，真的是大家的出發點非常的相似。 但是又是借了PCA的思路，還記得我們的基的變換嘛，就是數據的分佈從一個空間到另一個空間，其實LDA也是一樣，不過是希望映射
相關文章
- 1. LDA線性判別
- 2. 線性判別分析LDA
- 3. LDA線性判別分析
- 4. LDA(線性判別分析)
- 5. 線性判別分析(LDA)
- 6. LDA 線性判別分析
- 7. 線性判別法則（LDA)
- 8. 線性判別分析（LDA）
- 9. LDA——線性判別分析
- 10. 線性判別分析【LDA】
- 更多相關文章...
- • SVG 漸變 - 線性 - SVG 教程
- • C# 多線程 - C#教程
- • JDK13 GA發佈：5大特性解讀
- • Docker容器實戰(七) - 容器眼光下的文件系統
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. LDA線性判別
- 2. 線性判別分析LDA
- 3. LDA線性判別分析
- 4. LDA(線性判別分析)
- 5. 線性判別分析(LDA)
- 6. LDA 線性判別分析
- 7. 線性判別法則（LDA)
- 8. 線性判別分析（LDA）
- 9. LDA——線性判別分析
- 10. 線性判別分析【LDA】