第17節(jié) 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)_第1頁(yè)
第17節(jié) 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)_第2頁(yè)
第17節(jié) 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)_第3頁(yè)
第17節(jié) 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)_第4頁(yè)
第17節(jié) 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)_第5頁(yè)
已閱讀5頁(yè)，還剩3頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

上海育創(chuàng)網(wǎng)絡(luò)科技有限公司實(shí)戰(zhàn)機(jī)器學(xué)習(xí)第17節(jié)利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)講師：隔壁老王（北風(fēng)網(wǎng)版權(quán)所有）本章內(nèi)容MLearning降維技術(shù)主成分分析對(duì)半導(dǎo)體數(shù)據(jù)進(jìn)行降維處理降維技術(shù)MLearning使得數(shù)據(jù)集更易使用降低很多算法的計(jì)算開銷去除噪聲使得結(jié)果易懂主成分分析（PCA）因子分子（隱變量）獨(dú)立成份分析（ICA）主成分分析MLearning優(yōu)點(diǎn)：就愛難過(guò)地?cái)?shù)據(jù)的復(fù)雜性，識(shí)別最重要的多個(gè)特征缺點(diǎn)：不一定需要，且有可能損失有用信息適用數(shù)據(jù)類型：數(shù)值型數(shù)據(jù)主成分分析MLearningNumpylinalg.eig()在numpy中實(shí)現(xiàn)PCAMLearning示例：利用PCA對(duì)半導(dǎo)體制造數(shù)據(jù)降維MLearningTHANKYOU上海育創(chuàng)網(wǎng)絡(luò)科技有限公司

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論