第11个算法：特征工程之PCA：降维代码示例

石默研 2023-01-13 03:10:08

课时名称	课时知识点
第11个算法：特征工程之PCA：降维代码示例	用程序代码进行PCA算法特征降维后保持原样本信息的示例

...全文

71 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

第十一届泰迪杯B题数据

matlab精度检验代码自学机器学习课程1： 2.1 KNN资源该算法的很好的解释 2.2 PCA资源我了解了（主成分分析）以使我的KNN正常工作的方法，这就是我使用的方法要检查PCA的其他资源：一些可能会帮助您的事情：课程2：第一周：简介，带一个变量的线性回归，线性代数复习第2周：具有多个变量的线性回归，Octave / Matlab教程第三周：逻辑回归，正则化第四周：神经网络：代表第五周：神经网络：学习第六周：应用机器学习，机器学习系统设计的建议第7周：支持向量机第八周：无监督学习，降维第9周：异常检测，推荐系统第十周：大规模机器学习第11周：应用示例：照片OCR 这可能对您有帮助课程3：讲座（ML，准确性和损失函数简介）：讲座（贪婪的逐步分类，培训与测试）：讲座（线性回归）：讲座（有关线性回归的更多信息）：讲座（梯度下降）：讲座（多项式回归，过度拟合）：讲座（正则化，逻辑回归）：讲座（softmax回归，交叉熵）：讲座（随机梯度下降，凸度）：讲座（正半定性，约束优化）：讲座（支持向量机）：讲座（软边界与硬边界支持向量机，

Python.Data.Science.Essentials..Alberto.Boschetti

Coursera-机器学习-斯坦福大学吴安德（Andrew Ng）教授的机器学习（Coursera）编程作业。完成本课程后，您将对机器学习算法有一个广泛的了解。首先尝试自己解决所有任务，但是如果您陷入困境，请随时浏览代码。内容第一周：简介第2周：线性回归-多元线性回归-正态方程第三周：逻辑回归-正则化第四周：神经网络第五周：反向传播第六周：评估学习算法-偏差与方差第7周：支持向量机第8周：无监督学习（聚类）-降维（PCA）第9周：异常检测-推荐系统第十周：大规模机器学习第11周：应用示例：照片OCR 参考

石逸凡的课程社区_NO_1

2

社区成员

376

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章