机器学习-无监督算法之降维

  • 降维:将训练数据中的样本从高维空间转换到低维空间,降维是对原始数据线性变换实现的。
  • 为什么要降维?高维计算难,泛化能力差,防止维数灾难
  • 优点:减少冗余特征,方便数据可视化,减少内存。
  • 缺点:可能丢失数据,需要确定保留多少主成分

奇异值分解

  • 把一个矩阵拆成三个,对角矩阵起到拉伸作用,正交矩阵起到旋转作用。
  • A = UΣVT:U和V为正交矩阵,Σ为对角矩阵

Created with Raphaël 2.3.0 开始 M = UΣV^T 求M^TM的特征向量得到V 求MM^T的特征向量得到U 求M^TM或MM^T的特征值,然后开放得到奇异值 构成对角矩阵Σ

  • 应用:节省存储空间,降维,图片压缩

主成分分析

  1. PCA识别在训练集中占方差最大的轴
  2. 步骤
  • Z值化
  • 计算协方差矩阵,它的特征向量就是主成分
    • 利用SVD求特征向量
    • 基于特征值求特征向量
  1. 对角矩阵代表方差,其余代表相关性
  2. 缺点:分类问题效果不好

t-SNE

  1. 归一化
  2. 计算在二维空间中数据的相似度
  3. 将二维随机映射到一维,然后按照高纬度和低纬度相似度的差异,设计损失函数,用梯度下降来优化


常见降维算法

相关推荐
AI小云5 分钟前
【Python与AI基础】Python编程基础:模块和包
人工智能·python
用户5191495848457 分钟前
Paytium WordPress插件存储型XSS漏洞深度分析
人工智能·aigc
weixin_4334176714 分钟前
PyTorch&TensorFlow
人工智能·pytorch·tensorflow
RTC老炮16 分钟前
webrtc弱网-RobustThroughputEstimator源码分析与算法原理
网络·算法·webrtc
XZSSWJS20 分钟前
深度学习基础-Chapter 02-Softmax与交叉熵
人工智能·深度学习
牟同學25 分钟前
从赌场到AI:期望值如何用C++改变世界?
c++·人工智能·概率论
听风吹等浪起32 分钟前
分类算法-逻辑回归
人工智能·算法·机器学习
敲代码的嘎仔34 分钟前
JavaWeb零基础学习Day2——JS & Vue
java·开发语言·前端·javascript·数据结构·学习·算法
许泽宇的技术分享1 小时前
让AI说“人话“:TypeChat.NET如何用强类型驯服大语言模型的“野性“
人工智能
yacolex1 小时前
3.3_数据结构和算法复习-栈
数据结构·算法