平面向量

斯坦福机器学习公开课笔记15——隐含语义索引、奇异值分解、独立成分分析
作者降维   时间2021-10-23   

我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法,通过求解特征值与特征向量,并选取特征值较大的一些特征向量来达到降维的效果。

本文引用地址:

本文继续PCA的话题,包括PCA的一个应用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个实现——SVD(Singular Value Decomposition,奇异值分解)。在SVD和LSI结束之后,关于PCA的内容就告一段落。视频的后半段开始讲无监督学习的一种——ICA(Independent Component Analysis, 独立成分分析)。

本笔记的13-15部分的pdf已上传csdn资源中,下载请猛击屠龙宝刀,下载就送。

友情链接 Links

江州数学信息网