PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与...

 ...

 ...

奇异值分解是有着很明显的物理意义，将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要的特性，让机器学会抽取重要的特征，SVD是一个重要的方法。所以SVD不仅是一个数学问题，在工程应用方面很多地方都有其身影，如PCA，推荐系统、任意矩阵的满秩分解。1、特征值如果说一个向量v是方阵A的特...

宇宙，是时间和空间的总和。时间是一维的，空间。。。maybe9or10维？降维，即用一个低维度的向量表示原始高维度的特征。常见的降维方法有主成分分析、线性判别分析、等距映射、局部线性嵌入、拉普拉斯特征映射、局部保留投影等。01PCA最大方差理论在机器学习领域中，我们对原始数据进行特征提取，有时会得到比较高维的特征向量。...

这里只说二维数组降低到一维数组的方法，关于三维数组，先用下面这些方法降低到二维，再降低到一维即可vara=[1,2,[3,4]]varresult=[];for(vari=0;i<a.length;i++){if(a[i].constructor==Array){for(varj=0;j<a[i].leng...

作者：凯鲁嘎吉-博客园 http://www.cnblogs.com/kailugaji/5.1,3.5,1.4,0.2,14.9,3.0,1.4,0.2,14.7,3.2,1.3,0.2,14.6,3.1,1.5,0.2,15.0,3.6,1.4,0.2,15.4,3.9,1.7,0.4,14.6,3.4,...

func.apply(thisObj,[argArray]);apply方法用来改变函数执行时的this指向，后面的参数是一个类数组对象，可以是数组，arguments，甚至一个有length属性的对象{length:3}apply有一个重要的作用，就是可以将 数组参数 转换为 参数列表，...

一、高维数据降维　　高维数据降维是指采取某种映射方法，降低随机变量的数量。例如将数据点从高维空间映射到低维空间中，从而实现维度减少。降维分为特征选择和特征提取两类，前者是从含有冗余信息以及噪声信息的数据中找出主要变量，后者是去掉原来数据，生成新的变量，可以寻找数据内部的本质结构特征。　　简要来说，就是通过对输入的原始数...

流形学习方法(ManifoldLearning)，简称流形学习，自2000年在著名的科学杂志《Science》被首次提出以来，已成为信息科学领域的研究热点。在理论和应用上，流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的...

《机器学习系统设计》第11章降维学习笔记　　针对书上的内容和网络上的资料记录下来的笔记，大家一起学习交流。一．为什么需要降维　　(一)多余的特征会影响或误导学习器　　(二)更多特征意味着更多参数需要调整，过拟合风险也越大　　(三)数据的维度可能只是虚高，真实维度可能比较小　　(四)维度越少意味着训练越快，更多东西可以尝...

转载请声明出处：http://blog.csdn.net/zhongkelee/article/details/44064401一、PCA简介1.相关背景      上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后，颇有体会。最近在做...

海纳百川，有容乃大1、普通循环转换方式将多维数组（尤其是二维数组）转化为一维数组是业务开发中的常用逻辑，除了使用朴素的循环转换以外，我们还可以利用Javascript的语言特性实现更为简洁优雅的转换。本文将从朴素的循环转换开始，逐一介绍三种常用的转换方法，并借此简单回顾Array.prototype.concat方法和...