机器学习及其应用：数据降维PPT教学课件.pptx

下载文档加入资源篮

ID编号 5105
阅读 3
下载 0
格式 pptx
大小 674.67 KB
约22页
2026-09-18
评论
收藏
赞(0)
海报
分享

微信扫码分享或点击分享到

QQ空间

QQ好友

新浪微博

复制链接

分享赚佣金
版权申诉

1/22页

2/22页

3/22页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/ 22

加入VIP 下载文档加入资源篮

文本预览下载提示常见问题

第七章数据降维目录主成分分析7.1数据降维算法案例7.2CONTENTS在很多应用问题中向量的维数会很高。处理高维向量不仅给算法带来挑战，而且不便于可视化，另外还会面临维数灾难的问题。降低向量的维数是数据分析中一种常用的手段。本章介绍经典的线性降维方法 - 主成分分析，以及非线性降维技术 - 流形学习算法。主成分分析7.1主成分分析在有些应用中向量的维数非常高。以图像数据为例，对于高度和宽度都为 100 像素的图像，如果将所有像素值拼接起来形成一个向量，这个向量的维数是 10000 。一般情况下，向量的各个分量之间可能存在相关性。直接将向量送入机器学习算法中处理效率会很低，也影响算法的精度。为了可视化显示数据，我们也需要把向量变换到低维空间中。如何降低向量的维数并且去掉各个分量之...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在侵权，违规、或者侵犯商业秘密、侵犯著作权等，请点击“侵权申诉”。

常见问题碎片内容