kernal pca:一種用核映射的方式將特徵從低維映射到高維;可以類比支持向量機;然後再選擇主成分;是一種非線性的
傳統的pca或者svd是線性的處理方式
谷歌解釋結果如下:
kernal pca:一種用核映射的方式將特徵從低維映射到高維;可以類比支持向量機;然後再選擇主成分;是一種非線性的
傳統的pca或者svd是線性的處理方式
谷歌解釋結果如下:
前言: 在機器學習方法中,若模型理解爲決策模型,有些模型可以使用解析方法。不過更一般的對模型的求解使用優化的方法,更多的數據可以得到更多的精度。 一、線性規劃 線性規劃、整數規劃、目標規劃等
在寫這篇文章之前,先說一些題外話。 許多機器學習算法(如後面將要提到的LDA)涉及的數學知識太多,前前後後一大堆,理解起來不是那麼容易。 面對複雜的機器學習模型,尤其是涉及大量數學知識的模型