ML常用资料链接

最新推荐文章于 2023-12-30 18:00:15 发布
最新推荐文章于 2023-12-30 18:00:15 发布
阅读量402 收藏
点赞数
分类专栏： machineLean 文章标签： 主成分分析 SVM算法 逻辑回归 EM算法 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/waeceo/article/details/108958971
版权

南瓜书PumpkinBook---公式

LeeML-Notes -- 李宏毅

ML常用资料链接

1.1000题

BAT机器学习面试1000题系列（第1~305题）_结构之法 算法之道-优快云博客

2.EM算法详解

EM-最大期望算法 | D.W's Notes - Machine Learning

3.SVM算法详解

支持向量机通俗导论（理解SVM的三层境界）_结构之法 算法之道-优快云博客_svm

4.PCA算法详解---

全局范围理解--周志华老师的西瓜书，以及具体的应用例子，下文便是：

主成分分析（PCA）原理详解_Microstrong-优快云博客_pca

至于具体的推导公式，可以参考下面这篇文章：

主成分分析(PCA)原理及推导_学无常师，负笈不远险阻-优快云博客_主成分分析

5.拉格朗日与KKT条件

约束优化方法之拉格朗日乘子法与KKT条件 - ooon - 博客园

6.逻辑回归

逻辑回归原理详细推导_碧空之戈的博客-优快云博客_逻辑回归原理

7.SMO算法

关于SVM数学细节逻辑的个人理解（三） ：SMO算法理解 - xxrxxr - 博客园

8.集成学习

集成学习总结 | Xijun's Homepage

9.隐马尔科夫

HMM隐马尔可夫模型详解_WeisongZhao-优快云博客_hmm模型

【 文本到上下文 #4】NLP 与 ML
gongdiwudu的专栏
01-18 2969
欢迎回到我们的 NLP 博客系列！当我们进入第四部分时，焦点转移到机器学习 （ML） 和自然语言处理 （NLP） 之间的动态相互作用上。在本章中，我们将深入探讨 ML 和 NLP 的迷人协同作用，解开理论概念和实际应用。
机器学习-主成分分析（PCA)
最新发布
2301_79735965的博客
01-01 756
这次实验我们了解了关于主成分分析（PCA）的具体运用方法，了解了它的概念方法，原理，以及实战的一些方法。知道了PCA是一种无监督学习算法，它通过最大化方差来选择主成分，但在降维过程中可能会丢失一些重要信息，特别是低方差的主成分往往包含了一些有用的局部模式。同时，PCA只能处理线性关系，对于非线性关系的数据降维效果不好。PCA是一种简单而有效的降维算法，在很多数据处理和特征提取的场景下都有广泛应用。然而，对于一些特定问题，可能需要考虑其他更适合的降维方法，例如流形学习等非线性降维技术。
【机器学习】主成分分析
HerosOfEarth的博客
08-07 1619
PCA方法把数据从原来的坐标系转换到一个新的坐标系，坐标系的方向要根据数据的方差决定。
机器学习之主成分分析
小火球儿
10-24 2383
主成分分析（无监督降维） 降维技术： 特征选择：从一个特征的集合里面，挑选出相应的特征。是直接抽取 特征提取：不仅仅是提取了，而是通过组合或运算的方式，从现有的特征中抽象出新的特征。注意这个新特征并不属于原本的特征集合。是需要加工 特征选择会影响模型的效果 在实验数据分析模块，数据可视化等也需要维数约简，因为一般可以可视化的数据通常为二维或者三维 主成分分析就是把原有的多个指标转化为少数几个代表性较好的综合指标，这少数几个指标能够反映原来指标大部分信息（85%以上），并且各个指标之间保持独立，避免出现重
机器学习_主成分分析
m0_38034312的博客
03-12 266
【1】http://blog.codinglabs.org/articles/pca-tutorial.html【2】一篇很好的介绍PCA的文章
机器学习主成分分析
a1111111111ss的博客
05-05 400
机器学习主成分分析 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 数据降维 PCA主要通过把数据从高维映射到低维来降低特征维度 找线的方法，让点到直线距离最小 PCA原理及实现 从 k=2->1 k=3->2(降维) 注意1：虽然PCA有...
pd4ml相关jar包
04-15
9. **注意事项**：在使用PD4ML时，确保所有引用的图片和CSS文件都可访问，因为PD4ML会尝试根据HTML链接加载这些资源。同时，考虑到版权问题，使用第三方字体时需确保已获得授权。 10. **持续发展**：PD4ML的开发者...
pd4ml 依赖jar包
01-09
PD4ML支持多种HTML特性，包括表格、图像、链接、内联样式和外部样式表等。它还允许开发者自定义页面大小、边距、字体等PDF元素，以满足各种输出需求。 2. **pd4ml__css2.jar**: 这个文件，实际名称可能是`pd4ml_css...
opencv需要的常用dll（cv100、cv200.dll、ml200.dll、tbb.dll等）
04-04
opencv需要的常用dll（cv100、cv200.dll、ml200.dll、tbb.dll等），有opencv1.0和opencv2.0部分dll。在没有安装opencv环境的电脑上去运行需要用到。
ML_Server脚本：常用功能与内置函数详解
在本文档中，主要讨论了与Web Delphi开发相关的常用函数，这些函数在ML_Server这个轻量级的中间件程序中起着关键作用。ML_Server是一个专为Delphi程序员设计的Web开发工具，它的特点是支持自定义脚本，用户无需依赖...
机器学习：主成分分析（PCA）
JacksonKim的博客
11-28 1064
3. 什么是主成分分析？（Principle Component Analysis，PCA) 设数据X=(x1,x2,..xn)X=(x_1,x_2,..x_n)X=(x1​,x2​,..xn​)具有n个属性（还有很多其他命名，比如分量，指标），属性值分别是x1,x2,..xnx_1,x_2,..x_nx1​,x2​,..xn​ 那么主成分分析就是把原来具有相关关系的多个指标（属性）简化为少数几个新的综合指标的多元统计方法。 这里的主成分就是指的是原始指标（属性）形成的几个新指标。 主成分与原始变量之间的关
机器学习——主成分分析（PCA）
linzixi0220的博客
12-30 2950
给定n个样本（每个样本的维度为p维）​​​​​​​定义为样本在第一主成分/主方向上的投影：其中和都是用向量表示的：每个样本都对应一个，两个向量进行内积运算就能将映射到方向上，，如果将的模约束为1，那么​​​​​​​​​​​​​​和的内积就是，即​​​​​​​样本在主方向上的投影。（为什么是，如果我没理解错的话，和都是列向量，两个向量的内积应该就是第一个转置成行向量与第二个列向量相乘）主成分分析的目标是找到，使得的方差最大，同时要满足约束条件。
机器学习系列-主成分分析
bubingyang的博客
11-22 926
PCA降维一些机器学习算法在处理高维数据时，性能会出现明显下降，这就是所谓的“维度灾难”，为此人们开始对算法进行改进。与此同时，对降维的需求催生了降维算法，比如本文要介绍的主成分分析（Principal Component Analysis，PCA）。在开始本文的主要内容之前，我想先举一个关于降维的例子：有5个点，坐标如下表所示： id x y 1 5.0 1.4 2
【机器学习】主成分分析法
Jackie035
08-15 4564
主成分分析法 目录 主成分分析法 一、主成分分析的理解 二、使用梯度上升法求解PCA 三、求数据的前n个主成分 四、将高维数据向低维数据映射 五、scikit-learn中的PCA 六、对真实数据集MNIST使用PCA 七、使用PCA降噪 八、PCA与人脸识别 一、主成分分析的理解 先假设用数据的两个特征画出散点图，如果我们只保留特征1或者只保留特征2。那么此时就有...
机器学习之主成分分析（Principal Component Analysis）
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
07-20 7808
主成分分析（Principal Component Analysis）简称PCA，是一个非监督学习的机器学习算法，主要用于数据的降维，对于高维数据，通过降维，可以发现更便于人类理解的特征。PCA是实现数据降维的一种算法。正如其名，假设有一份数据集，每条数据的维度是D，PCA通过分析这D个维度的前K个主要特征(这K个维度在原有D维特征的基础上重新构造出来，且是全新的正交特征)，将D维的数据映射到这K个主要维度上进而实现对高维数据的降维处理。
Machine Learning 3 - 主成分(PCA)算法分析
ErixHao的专栏
09-24 1264
AI 机器学习第三篇 - 主成分分析（Principal Compoent Analysis, PCA）。 今天趁下班后看了一会主成分分析算法介绍，其实之前有参加TK同事Machine Learning的系列分享，正好今天看到，现学现卖。 我们机器学习的系列介绍，以较为基础的基本理论为开始，逐步深入算法，以及过多到更多实际应用； 相信开始
机器学习实验：主成分分析PCA
匿名用户
11-06 1743
实验 4：主成分分析 （Principal Component Analysis） 介绍（Introduction） 在本次实验中，将实现主成分分析方法，并使用它获得人脸图像的低维表示。 本次实验需要用到的数据集包括： ex4data1.mat -2D 仿真数据集 ex4data2.mat -LFW人脸数据集 评分标准如下： 要点1：数据标准化--------------------（10分） 要点2：实现PCA算法-----------------（30分） 要点3：降维仿真数据----------
机器学习笔记：主成分分析
qq_35693580的博客
06-09 638
机器学习：主成分分析 1 简介   降维是对数据高维度特征的一种预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。在实际的生产和应用中，降维在一定的信息损失范围内，可以为我们节省大量的时间和成本。降维也成为了应用非常广泛的数据预处理方法。    降维具有如下一些优点： （1）使得数据集更易使用 （2）降低算法...
opencv常用dll下载指南与环境配置
在深入探讨OpenCV所需常用动态链接库（DLL）时，需要了解几个关键概念。首先，OpenCV是一个开源的计算机视觉和机器学习软件库，它包含了成千上万的优化算法，广泛应用于图像处理、视频分析、深度学习等多个领域。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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