1. 动机1：数据压缩2. 动机2：数据可视化3. 主成分分析问题规划4. 主成分分析算法5. 重建压缩表示6. 主成分数量的选择7. 应用PCA的建议1. 动机1：数据压缩 数据压缩不仅能对数据进行压缩，使得数据占用较少的内存或硬盘空间，还能让我们对学习算法进行加速。 假使我们要采用两种不同的仪器来测量一些东西的尺寸，其中一个仪器测量结果x1x_{1}x1的单位是厘米，另一个仪器测量的结果x2x_{2}x2是英寸，我们希望将测量的结果作为我们机器学习的特征，如下图所示。现在的问题的是，两种.
原创
2021-05-20 07:08:35
564阅读
今天很高兴和建行北京市分行的朋友们作一个交流，我今天上午要讲的专题是：塑造阳光心态。现在大家面临的是一个什么样的环境呢？我们的财富在增加，但是满意感在下降；我们拥有的越来越多，但是快乐越来越少；我们沟通的工具越来越多，但是深入的交流越来越少；我们认识的人越来越多，但是真诚的朋友越来越少。那里出了问题？我思前想后发现是我们的心态出了问题。我要提醒朋友们，好心情才能欣赏好风光，好花要有好心赏。我今天上
转载
2009-08-25 13:50:16
1538阅读
LMT，Local Maintenance Terminal的缩写，意思是本地维护终端。LMT是一个逻辑概念。LMT连接到RNC外网，提供NODE B操作维护的用户界面。 LMT也是许可证管理技术License Management Technology)的缩写，许可证管理技术指对授权软件的授权机制及授权文件的管理技术；支持流行的授权类型(FlexNet,FlexLM,IBM LUM,LM-X,
转载
2019-12-23 23:06:00
124阅读
2评论
本章重点讲述了降维方法以及其中最主要的PCA主成分分析的原理、使用降维的作用：数据压缩与可视化降维的第一个作用就是进行数据的压缩，解决磁盘和计算的问题。比如把二维数据降维到一维：或者数据从三维降维到2维。降维的另一个作用就是进行可视化，比如我们的数据有很多维度，如果想要在图形上展示各个数据，分析其关系是很难的。那么就可以把数据降维到二维：降维的问题规划考虑到数据的可分性，应该寻找一条直线（或者一
转载
2018-07-30 20:18:00
261阅读
2评论
Q1动机一：数据压缩 将特征进行降维，如将相关的二维降到一维： 三维变二维： 以此类推把1000维数据降成100维数据。减少内存占用的空间 Q2动机二：数据可视化 如50个维度的数据是无法进行可视化的，使用降维的方法可以使其降到2维，然后进行可视化。 降维的算法只负责减少维度，新产生的特征的意义就必
原创
2022-06-27 21:27:28
136阅读
Neural Networks: Representation 1 Motivation之前讲的Linear regression和Logistric regression都是线性分类器(linear classification)，因为它们都只能用一条线来分类。然而很多情况下，我们的分界线不见得是一条简单的曲线，可能就是一条弯来弯去的曲线，所以我们需要一个非线性分类器来划分这个数据集
X1-特征1：样本x1待缩放的特征数据 u1：X1-Xn（所有样本） 特征1的均值 缩放方法：（X1-特征1-u）/（max-特征1-min-特征1 or standard deviation） 好处: 1.加快梯度下降速度(等高线变得更平滑(更圆),下降更快) 2.方便降维操作 降维（Princi ...
转载
2021-07-13 10:46:00
659阅读
2评论
文章目录十四、降维14.1 应用一：数据压缩14.2 应用二：数据可视化14.3 主成分分析PCA14.4 重建的压缩表示14.5 选择主成分的数量14.6 主成分分析的应用建议十四、降维14.1 应用一：数据压缩本节问题：降维是如何应用在数据压缩方面的？ ~~~~~~ 数据投影，把三维数据降到二维，就是把它投影到一个z1，z2坐标的平面，用平面的点确定
原创
2022-01-04 09:40:12
284阅读
前面写的PCA，LE，LDA，LLE都是以前就比较熟悉的东西，从这篇开始写的都是之前不熟悉的甚至都不知道名字的算法，然而都还很经典。疫情期间在家里看看原文，学习学习，既是算法总结又是读论文笔记。这篇来写LTSA局部切空间排列。本篇符号尽量与原文保持一致，与前面几篇有所不同。主要思路LTSA（Local Tangent Space Alignment）的基本思路是用样本点的近邻区域的切空间来表示局部
转载
2024-05-22 19:23:55
243阅读
# -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt from sklearn import datasets,decomposition def load_data(): ''' 加载用于降维的数据 ''' # 使用 scikit-learn 自带的 iris ...
转载
2019-04-30 13:48:00
81阅读
2评论
随着Linux在企业中的不断飞速的应用，为了企业中更好的运维，熟悉日常运维的技巧能更好的满足企业的发展，同时让我们的运维更加轻松，不再觉得运维是苦逼的活，真正去锻炼去成长去磨练。让我们的运维更有"韵味",让我们的生活更加美好。 通过本次课程的学习，我会把我在日常运维中的心得和体会分享给大家，让大家得到真正的知识，然后应用在自己的运维工作中。那我们需要注意什么呢：1) Linux行业目标我们要明白学
转载
精选
2016-11-12 22:24:37
263阅读
成都素有天府之国的美誉，火锅和麻将是外界最为熟知的两张名片，而近年来，成都在IT软件领域的快速发展也有目共睹，尤其是在游戏产业方面，成为继北上广深后又一个重要基地，也涌现出一批优秀公司。在不久前举行的成都游戏产业峰会上，众多成都本
原创
2011-12-30 10:45:36
81阅读
Python是一门非常优秀的编程语言，在各个领域都有广泛的应用，并发挥着重要的作用。它不仅可以从事爬虫、数据分析、Web开发、科学计算等，也是自动化运维的首选语言。那么Python自动化运维常用的库有哪些呢?一起来学习吧。运维的主要内容包括保障业务长期稳定运行、保障数据安全可靠、自动化完成部署任务等。Python可以满足大部分自动化运维的需求。常用的库如下：一、Jumpsever跳板机一个用Pyt
转载
2023-06-16 21:28:14
191阅读
一. 数据库生命周期结合软件生命周期、项目的开展，数据库的生命周期大致可分为这么几个阶段。1. 规划在立项后，对于数据库平台的软硬件选型，以及大致的数据库架构。1.1 配置多少台服务器，服务器的内存大小/磁盘空间、IOPS/CPU核数/网络带宽等；1.2 选择的操作系统/数据库产品/第三方工具，及相应版本；1.3 整体架构，比如是否考虑：HA, Scale out, load balance, 读
转载
2024-02-23 20:37:04
98阅读
写在前面：文章只是为了记录学习课程的整个过程，方便以后查漏补缺，方便找到对应章节，希望看到这篇文章的同学能够认真的看一遍视频教程，会有很大收获！下一篇：2022吴恩达机器学习课程——第二课（神经网络） 文章目录第一周一、监督学习与无监督学习二、线性回归三、梯度下降第二周一、向量化二、特征缩放第三周一、逻辑回归二、训练逻辑回归模型三、逻辑回归中的梯度下降四、正则化 第一周一、监督学习与无监督学习监督
转载
2024-04-22 19:28:12
155阅读
核对矩阵的维数 (Getting Your Matrix Dimensions Right)课程PPT
原创
2021-08-11 09:03:08
89阅读
# -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt from sklearn import datasets,manifold def load_data(): ''' 加载用于降维的数据 ''' # 使用 scikit-learn 自带的 iris 数据集 ...
转载
2019-04-30 15:26:00
109阅读
2评论
←上一篇↓↑下一篇→4.2 深层网络中的前向传播回到目录4.4 为什么使用深层表示核对矩阵的维数 (Getting Your Matrix Dimensions Right)当实现深度神经网络的时候，其中一个我常用的检查代码是否有错的方法就是拿出一张纸过一遍算法中矩阵的维数。
w
原创
2022-04-18 18:44:14
71阅读
# Python 二维转三维库实现教程
## 介绍
在这篇文章中，我们将学习如何用Python实现二维转三维的功能。我们将从整体的流程开始，然后逐步讲解每一步所需要做的事情，并提供相应的代码示例。
## 整体流程
以下是实现“Python二维转三维库”的整体流程：
```mermaid
journey
title Python 二维转三维库实现流程
section 准备工作
原创
2023-09-17 07:42:27
109阅读
在上一篇文章中我们讲到了数值计算、数据可视化、Web开发、数据库管理的一些常用库。下面我们来看看自动化运维、图形界面编程、机器学习、深度学习的常用库。自动化运维jumpsever跳板机用Python编写的开源跳板机（堡垒机）系统，该系统实现跳板机的基本功能，包括身份验证，授权和审计，并集成Ansible，批处理命令等。支持WebTerminalBootstrap编写，漂亮的界面，自动收集硬件信息，
转载
2023-11-16 15:47:37
79阅读
