2.2.3 线性判别分析.pdf-赵卫东 董亮-人民邮电出版社
文本预览下载声明
第2章机器学习基本方法43图2-11二维空间分布2.2.3线性判别分析线性判别分析（LinearDiscriminantAnalysis，LDA）也称为Fish
显示全部
文档详情
相似文档
-
2.2.1 主成分分析.pdf-赵卫东 董亮-人民邮电出版社
第2章机器学习基本方法39知平滑函数。可对部分或全部的自变量采用平滑函数的方法建立模型。2.2高维数据降维高维数据降维是指采用某种映射方法，降低随机变量的数量，
-
 15.1.4 Python实现线性判别分析降维.pdf-唐宇迪-人民邮电出版社
328跟着迪哥学Python数据分析与机器学习实战观察一下式（15.15），它与线性代数中的特征向量有点像，如果把当作一个整体，那么w就是其特征向量，问题到此迎刃而解。在线性判别分析中，其实只需要得到类内和类
-
8.1.2 模型原理分析.pdf-赵卫东 董亮-人民邮电出版社
207第8章支持向量机4．SigmoidKernelSigmoid核函数来源于MLP中的激活函数，SVM使用Sigmoid相当于一个两层的感知机网络，Sigmo
-
第二节判别分析原理.pdf-王旭-人民邮电出版社
205数据的判别分析第十二章2．标准标准用于逐步判别自变量的判据，各选项意义如下。（1）使用F值（UseFValue）判定是系统默认的判据，当加入一个自变量（或
-
第一节判别分析过程.pdf-王旭-人民邮电出版社
200SPSS数据处理与分析续表家庭编号no度假支出spending家庭年收入income旅行态度travel度假重要性holiday家庭人口数family户主年龄age36362.15635
-
第三节判别分析结果解读.pdf-王旭-人民邮电出版社
208SPSS数据处理与分析图12-10SPSS的判别分析调用（3）分类类别数k不应大于自变量的个数m，即k≤m；（4）样本个数n应是自变量个数m的10～20倍
-
5.3.4 知识图谱的构建过程.pdf-赵卫东 董亮-人民邮电出版社
146机器学习权威节点。此外，权威节点分析还可采用基于节点属性及节点间关系的多特征方法，将节点属性和关系结合起来综合分析。3．相似节点发现相似节点发现常常应用于企业经营中的产品分析、客户分群
-
6.1.2 反馈神经网络.pdf-赵卫东 董亮-人民邮电出版社
169第6章神经网络得成本函数的值达到极小。BP神经网络训练过程的基本步骤可以归纳如下：①初始化网络权值和神经元的阈值，一般通过随机的方式进行初始化。②前向传播
-
4.3.1 k-均值算法.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析1034.3基于划分的聚类基于划分的方法是简单、常用的一种聚类方法，通过将对象划分为互斥的簇进行聚类，每个对象属于且仅属于一个簇。划分结果旨在使簇之间的样本相似性低，簇内部的样本
-
4.5.1 BIRCH 聚类.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析115置能够反映两个雷电物体之间的距离，因此时间权重值应该小于经纬度。经过OPTICS算法聚类后，将雷电簇存储在数据库中，标记时间段、集群ID等信
-
4.5.2 CURE 算法.pdf-赵卫东 董亮-人民邮电出版社
118机器学习（2）对步骤（1）建立的CF-Tree进行处理，将稠密数据分成簇，将过于稀疏的数据作为孤立点。对一些超球体距离近的元组进行合并。（该步骤可选）（3
-
4.4.3 DENCLUE 算法.pdf-赵卫东 董亮-人民邮电出版社
112机器学习差很大时，聚类质量较差。此外，DBSCAN算法对邻域参数()ε，MinPts非常敏感，需要由用户指定参数，参数设置的不同可能导致聚类结果差别很大，
-
4.7.1 概率模型聚类.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析1214.6基于网格的聚类基于网格的聚类算法的基本思想是将每个属性的可能值分割成许多相邻的区间（例如将属性的值域离散化处理），创建网格单元的集合，将数据空间划分为许多网格单元，然
-
6.2.1 激活函数.pdf-赵卫东 董亮-人民邮电出版社
173第6章神经网络所示的原图经过量化之后，得到了红色、绿色等核心元素构成图6-6（b）所示的新图，并且给出原图中9种色彩和学习到的9种主要色彩，如图6-6（c
-
4.7.3 Kohonen 神经网络聚类.pdf-赵卫东 董亮-人民邮电出版社
126机器学习()()()=∏∏ndworddwordltpdword，，对似然函数取对数得到：()()log()[()log()()log(|)][()log