AI 助理
备案控制台
文章 2023-01-18 来自：开发者社区

【机器学习】线性分类——高斯判别分析GDA（理论+图解+公式推导）

2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善机器学习各个知识体系的文章，帮助大家更高效学习。一、概述首先在讲高斯判别分析之前先看一下线性分类的几种常见模型。软输出：就是通过概率的方式进行构建模型硬输出：非概率方式概率判别模型：判别模型就是会直接求 P ( Y ∣ X ) P(Y|X)P(Y∣X) 的值用于不同类别概率的比较概率生成模型：它是通过贝叶斯方式将 P ( ....

【机器学习】线性分类——高斯判别分析GDA（理论+图解+公式推导）
文章 2023-01-18 来自：开发者社区

【机器学习】线性分类——线性判别分析LDA（理论+图解+公式推导）

2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善机器学习各个知识体系的文章，帮助大家更高效学习。一、概述本篇讲解一种新的分类算法，它就是LDA（线性判别分析），它是一个比较经典的一个二分类算法，不过现在不怎么流行了，但是整个算法的思想很具有意义。它是一种基于降维的方式将所有的样本映射到一维坐标轴上，然后设定一定的阈值，将样本进行区分，画幅图方便理解它首先会将所有的样本向....

【机器学习】线性分类——线性判别分析LDA（理论+图解+公式推导）
文章 2023-01-18 来自：开发者社区

【机器学习】主成分分析（PCA）——利用奇异值分解（SVD）（理论+图解+公式推导）

2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善机器学习各个知识体系的文章，帮助大家更高效学习。一、概述之前讲了一种方法叫做特征值分解，它是将我们的协方差矩阵进行分解，但是这时会有一定的约束条件才可以进行分解必须是方阵能够被对角化这两个要求是相对来说较高的，对于协方差矩阵是方阵，而且是对称矩阵，实对称矩阵一定可以对角化，但是如果对于一般形状的矩阵能不能仍对其进行分解呢？....

【机器学习】主成分分析（PCA）——利用奇异值分解（SVD）（理论+图解+公式推导）
文章 2023-01-18 来自：开发者社区

【机器学习】主成分分析（PCA）——利用特征值分解（EVD）（理论+图解+公式推导）

2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善机器学习各个知识体系的文章，帮助大家更高效学习。一、概述在实际生活中，我们获得数据维度会非常大，有时维度可能超过几千个，这是因为针对于一件事物，我们获得它的特征属性越多，我们就越能够从多个角度进行分析，全方面的对知识进行探索。但是这是也会引出新的问题，尽管数据特征多了，供给我们分析的数据增多，但是同时我们分析数据的复杂度也....

【机器学习】主成分分析（PCA）——利用特征值分解（EVD）（理论+图解+公式推导）

本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。

机器学习平台 PAI分析相关内容

机器学习平台 PAI您可能感兴趣