机器学习、数据挖掘

1矩阵分解背景 在很多情况下，数据中的一小段携带了数据集中的大部分信息，其他信息要么是噪声，要么是毫不相关的信息。矩阵分析可以将原始矩阵表示成新的易于处理的形式，这种新形式是两个或多个矩阵的乘积。我们可以将这种分解过程想象成代数中的因子分析，不同的矩阵分解技术具有不同的性质，其中有些更适合于某个应用，有些则更适合于其他应用，最常见的一种分解技术是SVD 2 SVD计算原理 奇异值计算方法...

1 主成分分析背景 '''PCA计算步骤（思想是把数据投影到方向向量使数据集的特征向量到方向向量的垂线长度最短） 1.去平均 2.计算协方差矩阵 3.计算协方差矩阵的特征向量和特征值 4.将特征值从小到大排列 5.保留最上面的n个特征向量 6.将数据转换到上述n个特征向量构建新的空间 ''' 备注：降维过的方向向量就是新的数据集、特征向量就是数据集维度个数，通过特征向量个数限制降维的维数 在...