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

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。