无监督学习之PCA降维
无监督学习：通过无标签的数据，学习数据的分布或数据与数据之间的关系。
1. 降维算法
1 定义：用低维的概念去类比高维的概念．将高维的图形转化为低维的图形的方法。
1.1. 算法模块 ：PCA算法、NMF（非负矩阵分解）算法、LDA算法等。
1.2. Python库 ：sklearn.decomposution；
2. 主成分分析( PCA )降维算法
1 主成分分析：主成分分析( Principal Component Analysis, PCA )是最常用的一种降维方法，通常用于高维数据集的探索与
可视化，还可以用作数据压缩和预处理等。PCA可以把具有相关性的高维变量合成为线性无关的低维变
文件下载
评论信息
其他资源
- 华为认证HCIE RS路由交换最新学习笔记
- 遗传算法解决5种多旅行商问题（mtsp）的matlab程序
- opengl房子
- echarts2D地图实现3D阴影效果 山东省.zip
- 纯imu定位导航.zip
- 成绩管理系统需求分析文档
- 自然语言处理课件
- 车流量统计matlab程序，可以对每辆车进行标号
- Statistical Rethinking A Bayesian Course with Examples in R and Stan2
- Scratch跳一跳
- 双三次B样条曲面算法
- React-ToDoList-源码
- 常用有源无源晶体晶振集成库原理图库PCB库AD封装库器件库2D3D库.zip
- 信息时代两种经济体制的新论争
- RHCSA试题.pdf
- visio2016破解工具
- Mastering Ceph
- C# 矩阵算法
- z变换的详细介绍
- 555定时器测电容
- Activity之间切换动画
- linux epoll的封装类
- 基于javaee网络云盘管理系统
- 基于QZXing的简单二维码扫描
- 自动控制原理知识点总结.rar
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明