Stanford机器学习笔记12-Dimensionality Reduction
Posted iFun0
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Stanford机器学习笔记12-Dimensionality Reduction相关的知识，希望对你有一定的参考价值。
这一章主要讲数据压缩算法，PCA
1. Motivation
数据降维的目的主要包括
- 数据压缩：将高维数据压缩至低维数据，以减小数据的存储量。
- 可视化：将高维数据压缩至低维数据后，我们就可以对数据进行可视化，判断数据的离散和聚类。
1.1 Motivation I: Data Compression
（1）从2维数据降维至1维数据
将2维数据投影到一条直线上，已达到降维至1的目的。假设有m个样本，则降维后也有m个样本，只是特征维数减小了。
x(m)∈R2⇒z(m)∈R1
以上是关于Stanford机器学习笔记12-Dimensionality Reduction的主要内容，如果未能解决你的问题，请参考以下文章
Stanford机器学习笔记12-Dimensionality Reduction
Stanford机器学习笔记-5.神经网络Neural Networks (part two)
Stanford机器学习笔记-4. 神经网络Neural Networks (part one)
Stanford机器学习---第六讲. 怎样选择机器学习方法系统