如何将主成分分析（PCA）应用于长尾词数据降维？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1826个文字，预计阅读时间需要8分钟。
本文由LeftNotEasy发布于http://leftnotea.com/archive/2011/01/08/lda-and-pca-machine-learning.，介绍了LDA和PCA在机器学习中的应用。
www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.html
本文由LeftNotEasy发布于leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用但请注明出处如果有问题请联系wheeleastgmail.com
前言
第二篇的文章中谈到和部门老大一宁出去outing的时候他给了我相当多的机器学习的建议里面涉及到很多的算法的意义、学习方法等等。一宁上次给我提到如果学习分类算法最好从线性的入手线性分类器最简单的就是LDA它可以看做是简化版的SVM如果想理解SVM这种分类器那理解LDA就是很有必要的了。
谈到LDA就不得不谈谈PCAPCA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LDA和PCA最终的表现都是解一个矩阵特征值的问题但是理解了如何推导才能更深刻的理解其中的含义。本次内容要求读者有一些基本的线性代数基础比如说特征值、特征向量的概念空间投影点乘等的一些基本知识等。除此之外的其他公式、我都尽量讲得更简单清楚。
本文共计1826个文字，预计阅读时间需要8分钟。
本文由LeftNotEasy发布于http://leftnotea.com/archive/2011/01/08/lda-and-pca-machine-learning.，介绍了LDA和PCA在机器学习中的应用。
www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.html
本文由LeftNotEasy发布于leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用但请注明出处如果有问题请联系wheeleastgmail.com
前言
第二篇的文章中谈到和部门老大一宁出去outing的时候他给了我相当多的机器学习的建议里面涉及到很多的算法的意义、学习方法等等。一宁上次给我提到如果学习分类算法最好从线性的入手线性分类器最简单的就是LDA它可以看做是简化版的SVM如果想理解SVM这种分类器那理解LDA就是很有必要的了。
谈到LDA就不得不谈谈PCAPCA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LDA和PCA最终的表现都是解一个矩阵特征值的问题但是理解了如何推导才能更深刻的理解其中的含义。本次内容要求读者有一些基本的线性代数基础比如说特征值、特征向量的概念空间投影点乘等的一些基本知识等。除此之外的其他公式、我都尽量讲得更简单清楚。