从UCI机器学习资源库中下载Musk数据集。在此数据集上分别使用PCA和SVD方法进行特征提取，并报告获得的特征值以及特征向量结果，对数据属性进行分析，使用盒图分别对获得的最优属性进行分析和对比。
import pandas as pd
import os
from numpy import *
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sbn
sbn.set(color_codes = True)
plt.rcParams['axes.unicode_minus'] = False
from scipy.stats import kstest
from sklearn.preprocessing import LabelEncoder
from sklearn import preprocessing
import pyecharts
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
2023-03-21 21:42:51
1.61MB
1
An Algorithm for Designing of Overcomplete Dictionaries for Sparse Representation论文代码
2023-03-20 20:57:41
5.97MB
1
:high_voltage: 放克
funk-svd是一个Python 3库，实现了著名的SVD算法的快速版本，该算法在竞赛中由Simon Funk。
用于加速算法，使我们的运行速度比的Cython实现（参考）快10倍以上。
电影镜头20M
RMSE
MAE
时间
惊喜
0.88
0.68
10分40秒
放克-svd
0.88
0.68
42秒
安装
在终端中运行pip install git+https://github.com/gbolmier/funk-svd 。
贡献
欢迎所有贡献，错误报告，错误修复，增强功能和想法。
有关如何贡献的详细概述，请参见。
快速示例
：
>> > from funk_svd . dataset import fetch_ml_ratings
>> > from funk_svd import SVD
>> > from sklearn . metri
2023-03-18 21:08:46
21KB
1
K-SVD通过构建字典来对数据进行稀疏表示，经常用于图像压缩、编码、分类等应用。
2023-03-06 22:02:34
3KB
1
行业分类-设备装置-基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法
2023-01-17 20:57:52
838KB
1
svd算法matlab代码code_WSTNN
Matlab代码
张量N管状秩及其低阶张量恢复的凸松弛
Copyright:
Yu-Bang
Zheng,
Ting-Zhu
Huang,
Xi-Le
Zhao,
Tai-Xiang
Jiang,
Teng-Yu
Ji,
and
Tian-Hui
Ma
1）。
开始使用
运行以下Demo_LRTC来比较各种方法。
2）。
细节
更多细节可以在[1]中找到。
[1]
Y.-B.
Zheng,
T.-Z.
Huang*,
X.-L.
Zhao,
T.-X.
Jiang,
T.-Y.
Ji,
and
T.-H.
Ma,
Tensor
N-tubal
rank
and
its
convex
relaxation
for
low-rank
tensor
recovery.
比较的低秩张量完成方法如下：
1.
HaLRTC
[2]
Tucker
decomposition
based
method
2.
TNN
[3]
t-SVD
based
method
3.
WSTNN
[1]
t-SVD
based
method
比较的张量鲁棒主成分分析方法如
2023-01-11 18:47:01
18.04MB
1