131.008 Unsupervised Learning - Principle component Analysis |PCA | 非监督学习 - 主成分分析
Posted neo007
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了131.008 Unsupervised Learning - Principle component Analysis |PCA | 非监督学习 - 主成分分析相关的知识,希望对你有一定的参考价值。
@(131 - Machine Learning | 机器学习)
PCA是一种特征选择方法,可将一组相关变量转变成一组基础正交变量
25 PCA的回顾和定义
Demo:
when to use PCA
latent features driving the patterns in the data (demo find the big shots in enron)
访问隐藏的特征dimensionality reduction
1)visualize high dimensional data 可视化高维数据
如何在只有两个维度的情况下,表示出多维特征
2)reduce noise(只关注主成分)
3)pre-processing before using another algorithm(eigenfaces特征脸)
1。 anran
2。 人脸识别
PCA for facial recognition—— 动手做
为什么PCA在人脸识别中有不错的应用呢?
□ 人脸照片通常有很高的输入维度(很多像素)
□ 人脸具有一些一般性形态,这些形态可以以较小维数的方式捕捉,比如人一般都有两只眼睛,眼睛基本都位于接近脸的顶部的位置
以上是关于131.008 Unsupervised Learning - Principle component Analysis |PCA | 非监督学习 - 主成分分析的主要内容,如果未能解决你的问题,请参考以下文章
笔记:unsupervised domain adaptation by backpropagation
CVICML2015_Unsupervised Learning of Video Representations using LSTMs
CVICCV2015_Unsupervised Learning of Visual Representations using Videos
Unsupervised Deep Learning – ICLR 2017 Discoveries
《Unsupervised Scale-consistent Depth ...》论文笔记
CycleMorph: Cycle Consistent Unsupervised Deformable Image Registration