书籍学习|Generalized Principal Component Analysis(part1)--Preface

本书全面介绍广义主成分分析(GPCA)的最新进展,针对高维数据中的噪声、缺失和异常值进行建模。内容涵盖PCA的局限性、GPCA的理论与应用,以及子空间聚类问题。适合作为数据科学、机器学习领域的研究生教材,引导读者理解现代数据分析中的挑战和解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

好书学习
进度:Preface部分
Authors:René Vidal, Yi Ma, S. Shankar Sastry
Year:2016


Generalized Principal Component Analysis

Preface

We are not very pleased when we are forced to accept a mathematical truth by virtue of acomplicated chain of formal conclusions and computations, which we traverse blindly, linkby link, feeling our way by touch. We want first an overview of the aim and of the road; we want to understand the idea of the proof, the deeper context.
–Hermann Weyl

经典的数据分析理论和方法主要是为五、六十年前出现的工程和科学问题而建立的。在这些经典的环境中,工程师或科学家通常完全控制了数据的获取过程。因此,需要处理和分析的数据通常是干净和完整的:它们只包含适量的噪声,而且往往是为特定的任务或感兴趣的问题而充分收集的。在这种情况下,许多数据分析方法都是基于这

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GUI Research Group

谢谢支持!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值