机器学习笔记--基本概念
2017-12-27 19:49
309 查看
降维
机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y,其中x是原始数据点的表达,y是数据点映射后的低维向量表达,通常y的维度小于x的维度,当然提高维度也是可以的。特征选择
还有一大类方法本质上也是做了降维,叫做特征选择(feature selection),目的是从原始的数据feature集合中挑选一部分作为数据的表达。在很多算法中,降维算法成为了数据预处理的一部分,如PCA。矩阵的迹
一个n×n矩阵A的主对角线(从左上方至右下方的对角线)上各个元素的总和被称为矩阵A的迹(或迹数),一般记作tr(A)。相关文章推荐
- 深度学习笔记(0)——机器学习基本概念
- 机器学习笔记-分类和聚类基本概念
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之二 :基本概念、代价函数、梯度下降和线性回归
- 机器学习一些基本概念(笔记)
- 机器学习笔记(XIX)支持向量机(I)基本概念
- 公开课机器学习笔记(11)支持向量机一 向量机的基本概念
- 机器学习基础学习笔记1-基本概念
- 机器学习笔记(XIV)神经网络(I)基本概念
- 机器学习----笔记之基本概念(1)
- 程序员的机器学习入门笔记(一):基本概念介绍
- 异构信息网络--基本概念和定义学习笔记
- TensorFlow学习笔记之——些常用基本概念与函数(详细)
- [TensorFlow学习笔记1]TensorFLow的基本概念和基本使用
- Dagger2学习笔记之基本概念
- uc/os-II 源码剖析笔记(1)——几个RTOS里面的基本概念(一)
- 音视频解码模块阅读笔记(三)—视频编解码的基本概念--转载
- C/C++ 笔记 -- 基本概念(2)
- javascript高级程序设计第三版 第3章 基本概念 学习笔记
- 十张图解释机器学习的基本概念
- Java学习笔记-《Java程序员面试宝典》-第四章基础知识-4.1基本概念(4.1.8-4.1.9)