leepwang的专栏

http://www.zhizhihu.com/html/y2011/2544.html本文是LeftNotEasy写的，个人感觉不错。前言：谈到LDA，就不得不谈谈PCA，PCA是一个和LDA非常相关的算法，从推导、求解、到算法最终的结果，都有着相当的相似。本次的内容主要是以推导数学公式为主，都是从算法的物理意义出发，然后一步一步最终推导到最终的式子，

http://www.cnblogs.com/xbinworld/archive/2011/11/24/pca.html言：机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。 y是数据点映射后的低维向量表达，通常y的维度小于x

http://blog.youkuaiyun.com/xiaowei_cqu/article/details/7522368数据降维基本原理是将样本点从输入空间通过线性或非线性变换映射到一个低维空间，从而获得一个关于原数据集紧致的低维表示。数据降维工具箱drtoolbox中众多算法，这里简单做个分类。因为很多并没有仔细了解，在此次只对八种方法做分类：主成分分析（Principal

http://pinkyjie.com/2011/02/24/covariance-pca/自从上次谈了协方差矩阵之后，感觉写这种科普性文章还不错，那我就再谈一把协方差矩阵吧。上次那篇文章在理论层次介绍了下协方差矩阵，没准很多人觉得这东西用处不大，其实协方差矩阵在好多学科里都有很重要的作用，比如多维的正态分布，再比如今天我们今天的主角——主成分分析(Principal Compon

http://blog.youkuaiyun.com/waleking/article/details/7584084针对karate_club数据集，做了谱聚类。由于是2-way clustering，比较简单，得到了图的新的表示空间之后，没有做k-means，仅仅针对正规化后的拉普拉斯矩阵的第二特征值做了符号判断，这和Spectral Clustering Tutorial 一文中的描述一致。