机器学习 - 降维算法总结
2016-11-30 17:15
197 查看
机器学习 - 降维算法总结
上课学了这六种算法,总结一下,加强理解。目的:将X:N×d 映射到Z:N×d′
PCA
找一个线性变换W,Z=WTX使得重构误差最小。
KPCA
X非线性的情况下,可以映射到合适的高维特征空间ϕ(X)之后,再对ϕ(X)使用PCA方法。但是ϕ(X)不好找,计算
13933
代价大,“对ϕ(X)使用PCA”的计算过程中可用核函数替代计算。
MDS
直接计算Z,保持X的点间距离在Z空间尽可能不变。
Isomap
根据X的点间距建立邻接关系图,对于不相连的点对,计算连接其的最短路径,得到所有点对之间的测地距离。对测地距离使用MDS算法。
LLE
用x(i)的邻居的线性组合表示x(i),求出使所有x 重构误差最小的组合系数wij。在低维空间中,z(i)同样用邻居的线性组合表示,组合系数给定为wij。求出使所有z 重构误差最小的z 。
LE
根据X 的点间距建立邻接关系图,赋予边权重wij。该权重是两端点相似性的一种度量。权重越大,端点越相似(越近)。在z 空间中保持这种相似关系。目标函数:minz∑i,j(z(i)−z(j))2wij其含义为:当x(i)、x(j)越相似,z(i)与z(j)也应该越接近,此时wij会比较大,则给(z(i)−z(j))2更重的惩罚。
相关文章推荐
- 机器学习实战-KNN算法实现及遇到的问题总结
- 机器学习流程,常规算法,降维方法
- 机器学习降维方法总结
- 机器学习实战之k-近邻算法(7)---算法总结
- 佛爷芸: 机器学习算法原理总结系列---算法基础之(1)机器学习介绍
- 机器学习中常用算法总结
- 机器学习实战-基本算法总结2
- 机器学习经典算法总结(2)——贝叶斯分类器
- 无监督学习算法K-means算法总结与c++编程实现
- 关于算法学习的总结和感悟(原创)
- 关于算法学习的总结和感悟(原创)
- PCA降维算法总结以及matlab实现PCA
- 无监督学习算法K-means算法总结与c++编程实现
- 学习python之路---python小算法总结(四)
- 机器学习10大经典算法
- 学习python之路---python小算法总结(六)
- 学习python之路---python小算法总结(七)
- 学习python之路---python小算法总结(一)
- STL常用算法学习总结
- IPVS调度器的八种负载调度算法学习总结