機器學習教程 之 慢特徵分析：時序特徵挖掘

慢特徵分析（slow feature analysis,SFA）是 wiskott 在2002年的一篇論文裏提出來的無監督學習方法,它能夠從時間序列中提取變化緩慢的特徵，被認爲是學習時間序列最顯著特徵的一種方法。這裏只講述SFA應用於線性問題時的模型和解法，其對於非線性問題的應用，是基於線性模型並結合核函數來進行優化的。python 一.慢特徵分析模型的數學描述 首先，對於給定的原始時序特徵 u(

>>阅读原文<<