MapReduce----主成分分析
2014-04-16 11:02
148 查看
最好先理解一下主成分分析的证明过程,下面的说明是在理解主成分分析的基础上的。
我们说过出现矩阵相乘的地方,就可以用MapReduce。
在主成分分析中,最后用的是协方差矩阵的特征值,而在求协方差矩阵时,用的就是矩阵的加减乘除,所以在这个地方可以用MapReduce。
我们知道协方差矩阵为:
![](https://img-blog.csdn.net/20140414112555781)
其中
![](https://img-blog.csdn.net/20140416105529046)
代表已知训练集,均值
![](https://img-blog.csdn.net/20140416105639046)
。
所以,我们可以把训练集分成
![](https://img-blog.csdn.net/20140416102041156)
份,分别再
![](https://img-blog.csdn.net/20140416102041156)
台计算机上运行,实现Map过程,
最后把结果合在一起就是Reduce的过程。
——————————————————————————————————————————————————————————————————————————————
后续,接着说一下比较复杂的机器学习算法中的MapReduce过程。
我们说过出现矩阵相乘的地方,就可以用MapReduce。
在主成分分析中,最后用的是协方差矩阵的特征值,而在求协方差矩阵时,用的就是矩阵的加减乘除,所以在这个地方可以用MapReduce。
我们知道协方差矩阵为:
其中
代表已知训练集,均值
。
所以,我们可以把训练集分成
份,分别再
台计算机上运行,实现Map过程,
最后把结果合在一起就是Reduce的过程。
——————————————————————————————————————————————————————————————————————————————
后续,接着说一下比较复杂的机器学习算法中的MapReduce过程。
相关文章推荐
- hadoop之MapReduce WordCount分析
- MapReduce新版客户端API源码分析
- MapReduce源码分析之InputSplit分析
- A tutorial on Principal Components Analysis - 主成分分析(PCA)教程
- 第十四章 主成分和因子分析
- R语言做主成分分析
- 主成分分析
- 机器学习--PCA(主成分分析)原理及应用
- UFLDL 教程学习笔记(四)主成分分析
- MapReduce job在JobTracker初始化源码级分析
- 协方差矩阵之主成分分析
- PCA(主成分分析)代码
- 基于PCA(主成分分析)的人脸识别
- Deep Learning 3_深度学习UFLDL教程:预处理之主成分分析与白化_总结(斯坦福大学深度学习教程)
- 数字图像处理-----主成成分分析PCA
- python实现PCA(主成分分析)降维
- 主成分分析
- MapReduce Job本地提交过程源码跟踪及分析
- spark厦大-------主成分分析(PCA)
- 深度学习入门教程UFLDL学习实验笔记三:主成分分析PCA与白化whitening