unsupervise learning-dimension reduction

時間 2021-01-02

標籤深度學習简体版

原文原文鏈接

文章目錄 PCA Matrix Factorization Word Embedding t-SNE PCA 目標是找到一個向量w1，所有數據點x在w1上的投影，得到z1，希望得到z1的方差越大越好，即越分散越好，越分散越有利於進行數據的分類 PCA缺點：由於是非監督學習，在確定向量時，希望所有數據投影到向量上的值爲離散值，但是由於數據沒有label，如果數據爲兩個分類，那麼經過降維之後，數據會混

>>阅读原文<<

1. [UFLDL] Dimensionality Reduction
2. codewar-010: Directions Reduction
3. Unsupervised Learning-Dimension Reduction
4. Dimensionality Reduction(降維)
5. [Scikit-learn] 2.5 Dimensionality reduction - ICA
6. ml-8-2-降維(Dimensionality Reduction)
7. Nonlinear Dimensionality Reduction by Locally Linear Embedding
8. [CS131] Lecture 12 Face Recognition & Dimensionality Reduction
9. 壁虎書8 Dimensionality Reduction
10. [Scikit-learn] 4.4 Dimensionality reduction - PCA
更多相關文章...

相關標籤/搜索

reduction