目录
- 0 写在前面
- 1 线性降维技术
- 2 多维缩放算法推导
-
- 2.1 中心化约束
- 2.2 内积矩阵特征值分解
- 3 Python实现
-
- 3.1 算法流程
- 3.2 可视化
0 写在前面
机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理;“广”在分析多个机器学习模型:决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖,由本人亲自从底层编写、测试与文章配套的各个经典算法,不依赖于现有库,可以大大加深对算法的理解。
🚀详情:机器学习强基计划(附几十种经典模型源码)
1 线性降维技术
降维(dimension reduction)是缓解维数灾难的一个重要途径,因为样本数据往往以某种与学习任务密切相关的低维分布的形式,嵌入在高维空