有種豁然開朗的感覺,就是不知道我們講PCA的時(shí)候,是通過特征值和特征向量,然后選取特征值大的前幾項(xiàng)所對(duì)應(yīng)的特征向量組成的線性變換矩陣來對(duì)原始空間進(jìn)行降維的。這跟你講的基于最小化損失函數(shù)的是一個(gè)思路。
(概率)PCA和(變分)自編碼器1.介紹 主成分分析(PCA)和自編碼器(AutoEncoders, AE)是無監(jiān)督學(xué)習(xí)中的兩種代表性方法。 PCA的地位不必多說,只要是講到降維的書,一定會(huì)把PCA放到最前...
1.介紹 主成分分析(PCA)和自編碼器(AutoEncoders, AE)是無監(jiān)督學(xué)習(xí)中的兩種代表性方法。 PCA的地位不必多說,只要是講到降維的書,一定會(huì)把PCA放到最前...
隱變量模型 在隱變量模型這堂課中,主要內(nèi)容為以下幾個(gè)方面 KL散度 混合高斯模型 EM算法 離散型和連續(xù)型隱變量 案例:Word2Vec 1. KL散度(Kullback-L...
問題一 貝葉斯證據(jù)不充足情形 講的是貝葉斯公式的簡單應(yīng)用,采用哈利波特里面的場景作為例子。學(xué)過數(shù)理統(tǒng)計(jì)的應(yīng)該知道有個(gè)關(guān)于被診斷為癌癥與實(shí)際患癌癥的這個(gè)例子。 問題二 多項(xiàng)式分...