u011090298的专栏

4. 实例      将3维空间上的球体样本点投影到二维上，W1相比W2能够获得更好的分离效果。            PCA与LDA的降维对比：            PCA选择样本点投影具有最大方差的方向，LDA选择分类性能最好的方向。      LDA既然叫做线性判别分析，应该具有一定的预测功能，比如新来一个样例x，如何确定其类别？  

1. 问题     之前我们讨论的PCA、ICA也好，对样本数据来言，可以是没有类别标签y的。回想我们做回归时，如果特征太多，那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维，但PCA没有将类别标签考虑进去，属于无监督的。     比如回到上次提出的文档中含有“learn”和“study”的问题，使用PCA后，也许可以将这两个特征合并为一个，降了维度。但假设我们的

10-fold cross-validation 就是十折交叉验证，用来测试精度。是常用的精度测试方法.将数据集分成十分，轮流将其中9份做训练1份做测试，10次的结果的均值作为对算法精度的估计，一般还需要进行多次10倍交叉验证 求均值，例如10次10倍交叉验证，更精确一点。

Matlab中的滤波器设计http://hi.baidu.com/cfin_nifc/item/bf737648734006e11381dabaIIR滤波器有以下几个特点： 1．IIR数字滤波器的系统函数可以写成封闭函数的形式。 2．IIR数字滤波器采用递归型结构，即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成

*************使用的工具：Matlab分类器：SVM*************1、案例背景：在葡萄酒制造业中,对于葡萄酒的分类具有很大意义,因为这涉及到不同种类的葡萄酒的存放以及出售价格,采用SVM做为分类器可以有效预测相关葡萄酒的种类,从UCI数据库中得到wine数据记录的是在意大利某一地区同一区域上三种不同品种的葡萄酒的化学成分分析,数据里含有178