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
技术分享图片

Demo:
when to use PCA

  1. latent features driving the patterns in the data (demo find the big shots in enron)
    访问隐藏的特征

  2. 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