百面机器学习+算法强化训练营第四期

在机器学习中,数据通常需要被表示成向量形式以输入模型进行训练。但众所周知,对高维向量进行处理和分析时,会极大地消耗系统资源,甚至产生维度灾难。因此,进行降维,即用一个低维度的向量表示原始高维度的特征就显得尤为重要。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。本章将选取比较经典的主成分分析和线性判别分析进行介绍和对比,以便读者更深入地理解降维的基本思想。

img

百面机器学习+算法强化训练营第四期

课程目录:

imgimgimgimgimg

声明:站内部分资源收集于网络,若侵犯了您的合法权益,请联系我们删除!