搜索资源列表
PCA TEST
- 主成分分析程序，能够对高维数据降维分析，适用于高维特征降维，大数据分析(The principal component analysis program can analyze dimensionality reduction of high-dimensional data.)
kjade
- 1. 降维可以在压缩数据的同时让信息损失最小化； 2. 理解几百个维度的数据结构很困难，两三个维度的数据通过可视化更容易理解。(1. Dimensionality reduction can minimize information loss while compressing data; 2. It is difficult to understand the data structure of hundreds of dim
snvare
- 此程序为非线性降维典型算法之一－－LLE算法,对想进行高维数据降维研究的朋友们值得一看(This program is one of the typical nonlinear dimensionality reduction algorithms-LLE algorithm. Friends who want to study the dimensionality reduction of high-dimensional data
SOM
- 此程序为自组织映射神将网络，能够实现降维功能(This procedure enables the self organizing map to realize the dimensionality reduction function.)
KECA_Journal_Article
- Robert Jenssen 撰写论文原文(We introduce kernel entropy component analysis (kernel ECA) as a new method for data transformation and dimensionality reduction. Kernel ECA reveals structure relating to the Renyi entropy of the in
主成分分析
- 使用主成分分析方法降维，输出主成分特征根，单位向量，累计贡献率(Dimensionality reduction by using principal component analysis)
87361055LaplacianEigenmapSwissRoll
- 对高维数据进行降维，可以方便大家利用时间。(Dimensionality reduction for high dimensional data)
lle
- 此程序为局部线性嵌入，能够实现降维功能。(This program is locally linear embedding and can realize dimensionality reduction function.)
PCA+SVM
- 先用PCA降维，在利用支持向量机进行分类，这个分类是二分类，所以PCA的降维降到两维即可分类。(Firstly, PCA dimensionality reduction is used to conduct classification with support vector machine. This classification is binary classification, so the dimensionality red
数据挖掘中聚类算法研究进展_周涛
- 聚类分析是数据挖掘中重要的研究内容之一，对聚类准则进行了总结，对五类传统的聚类算法的研究 现状和进展进行了较为全面的总结，就一些新的聚类算法进行了梳理，根据样本归属关系、样本数据预处理、 样本的相似性度量、样本的更新策略、样本的高维性和与其他学科的融合等六个方面对聚类中近 20多个新算 法，如粒度聚类、不确定聚类、量子聚类、核聚类、谱聚类、聚类集成、概念聚类、球壳聚类、仿射聚类、数据流聚 类等，分别进行了详细的概括。(Clusterin
sklearn-SVM
- 支持向量机(SVM)——分类预测，包括核函数调参，不平衡数据问题，特征降维，网格搜索，管道机制，学习曲线，混淆矩阵，AUC曲线等(Support vector machine (SVM) - classification prediction, including kernel function parameter adjustment, unbalanced data problem, feature dimensionality r
face_recognition
- 基于python的PCA（主成分分析降维）人脸识别(PCA (principal component analysis dimensionality reduction) face recognition based on python)
1.pdf
- 特征降维的一种方法, 文章是英文文献，文章最后附有代码(a kind of method of feature dimensionality reduction)
pca
- 应用于数据降维的一种MATLAB程序，可以实现从高维到低维的降解(A matlab program applied to data dimensionality reduction can realize the degradation from high dimension to low dimension)
降维code
- 了解降维、特征筛选等基本原理 掌握PCA、SVD、LAD和NMF等算法实现及应用(Understand the basic principles of dimensionality reduction and feature selection Master the algorithm implementation and application of PCA, SVD, lad and NMF)
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwr