机器学习强基计划8-3：详细推导核化主成分分析KPCA算法(附Python实现)

Posted 2023-04-09 Mr.Winter`

目录

• 0 写在前面
• 1 核降维技术
• 2 核化主成分分析推导
• 3 Python实现
• • 3.1 算法流程
  • 3.2 核心代码
  • 3.3 可视化

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖，由本人亲自从底层编写、测试与文章配套的各个经典算法，不依赖于现有库，可以大大加深对算法的理解。

机器学习强基计划5-4：图文详解影响流动与有向分离(D-分离)(附Python实现)

目录

• 0 写在前面
• 1 影响流动性
• 2 有效迹
• 3 有向分离算法
• 4 Python实现

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。