从奇异值分解(SVD)看潜在语义索引(LSI)

2017-12-22

从奇异值分解(SVD)看潜在语义索引(LSI) 1. SVD 简介 SVD中文称为“奇异值分解”，是一种矩阵分解方法。其公式如下： 定理：设A为m*n阶复矩阵，则存在m阶矩阵U和n阶矩阵V，使得： 　　    A ...

奇异值分解(SVD)原理详解及推导

2017-12-22

奇异值分解(SVD)原理详解及推导 在网上看到有很多文章介绍SVD的，讲的也都不错，但是感觉还是有需要补充的，特别是关于矩阵和映射之间的对应关系。前段时间看了国外的一篇文章，叫A Singularly Valuable Deco ...

奇异值分解SVD的理解与应用

2017-12-22

奇异值分解SVD的理解与应用 为更好的理解这篇文章，现在这里列出几个文中出现的概念，想要更深的理解这些概念，可以看我的另一篇文章：关于特征值的理解。 向量的内积：两向量a=[a1,a2,…,an]和b=[b1,b2,…, ...

奇异值分解SVD应用——LSI

2017-12-22

奇异值分解SVD应用——LSI 在自然语言处理中，最常见的两类的分类问题分别是，将文本按主题归类（比如将所有介绍亚运会的新闻归到体育类）和将词汇表中的字词按意思归类（比如将各种体育运动的名称个归成一类） ...

简单易学的机器学习算法—SVD奇异值分解

2017-03-24

简单易学的机器学习算法—SVD奇异值分解 一、SVD奇异值分解的定义     假设M是一个的矩阵，如果存在一个分解： 其中的酉矩阵，的半正定对角矩阵，的共轭转置矩阵，且为的酉矩阵。这样的分解称 ...

机器学习实战之SVD

2017-03-14

机器学习实战之SVD 1. 奇异值分解 SVD(singular value decomposition) 1.1 SVD评价    优点: 简化数据, 去除噪声和冗余信息, 提高算法的结果    缺点: 数据的转换可能难以理解 1.2 SVD应用 ...

矩阵分解在推荐系统中的应用：NMF和经典SVD实战

2016-05-06

矩阵分解在推荐系统中的应用：NMF和经典SVD实战 数据  关于NMF，在隐语义模型和NMF（非负矩阵分解）已经有过介绍。 用户和物品的主题分布 运行后输出： 可视化物品的主 ...

CDA LEVEL III

2023-10-11

一、总则 CDA（Certified Data Analyst），即“CDA数据分析师”，是在数字经济大背景和人工智能时代趋势下，面向全行业的资格认证，旨在提升用户数字技能，助力企业数字化转型，推动行业数字化发展。「CDA人才 ...

如何用机器学习算法进行预测分析？

2023-09-04

随着数据的快速增长和计算能力的提高，机器学习算法在预测分析领域发挥着重要作用。本文将介绍如何使用机器学习算法进行预测分析，并探讨其在各个领域的应用。 数据收集与清洗： 在进行预测分析之前，首先需要收 ...

用numpy计算逆矩阵精度缺失严重，怎样解决？

2023-04-28

在计算机科学领域中，矩阵是一个非常重要的数学工具，因为它们能够表示许多数据结构和应用。在很多情况下，我们需要对矩阵进行操作，比如求矩阵的逆矩阵，而numpy是一种常用的数值计算库，也提供了对矩阵的支持。然 ...

基于密集行为的欺诈检测算法-LockInfer

2022-03-03

作者：小伍哥 来源：小伍哥聊风控 大家好，我是小伍哥，今天给大家分享的是一个基于密度的欺诈检测算法，思想非常牛逼，大家可以试试，先给出论文地址和代码 论文地址：http://pengcui.thumedialab.c ...

CDA LEVEL II 数据分析认证考试模拟题库（三十八）

2021-06-21

嗨喽，各位同学又到了公布CDA数据分析师认证考试LEVEL II的模拟试题时间了，今天给大家带来的是模拟试题（二）中的51-55题。 不过，在出题前，要公布上一期LEVEL II中46-50题的答案，大家一起来看！ 46.A ...

基于神经网络的推荐系统模型

2018-08-29

基于神经网络的推荐系统模型 为用户提供建议的平台。协同过滤算法是推荐系统中使用的主要算法之一。这种算法简单、高效;然而，数据的稀疏性和方法的可扩展性限制了这些算法的性能，并且很难进一步提高推荐结果 ...

线性代数与数值方法--矩阵分解

2018-03-26

线性代数与数值方法--矩阵分解 矩阵 正交：正交最早出现于三维空间中的向量分析。 在三维向量空间中， 两个向量的内积如果是零， 那么就说这两个向量是正交的。 正交矩阵：正交矩阵是实数特殊化的酉矩阵 ...

基于随机梯度下降的矩阵分解推荐算法

2018-03-24

基于随机梯度下降的矩阵分解推荐算法 SVD是矩阵分解常用的方法，其原理为：矩阵M可以写成矩阵A、B与C相乘得到，而B可以与A或者C合并，就变成了两个元素M1与M2的矩阵相乘可以得到M。 矩阵分解推荐的思想就是基于 ...

Python使用三种方法实现PCA算法

2018-01-23

Python使用三种方法实现PCA算法 主成分分析，即Principal Component Analysis（PCA），是多元统计中的重要内容，也广泛应用于机器学习和其它领域。它的主要作用是对高维数据进行降维。PCA把原先的n个特征用数 ...

【易往信息技术（北京）有限公司】招聘数据分析师

2017-12-29

【易往信息技术（北京）有限公司】招聘数据分析师 易往信息技术有限公司是一个集技、工、贸为一体的从事高新技术的高科技企业, 是家专业的制造执行系统供应商。随着公司业务日益发展，公司在上海、北京成立分支机构 ...

文本主题模型之潜在语义索引(LSI)

2017-12-22

文本主题模型之潜在语义索引(LSI) 在文本挖掘中，主题模型是比较特殊的一块，它的思想不同于我们常用的机器学习算法，因此这里我们需要专门来总结文本主题模型的算法。本文关注于潜在语义索引算法(LSI)的原理。 ...

如何实现降维处理(R语言)

2017-12-07

如何实现降维处理(R语言) 现实世界中数据一般都是复杂和高维的，比如描述一个人，有姓名、年龄、性别、受教育程度、收入、地址、电话等等几十种属性，如此多的属性对于数据分析是一个严重的挑战，除了极大增加 ...

大数据驱动证券行业数字化转型

2017-08-29

大数据驱动证券行业数字化转型 从十七世纪初第一只股票在欧洲诞生以来，证券及其交易就在资本市场上扮演着重要角色，在信息革命的时代，证券行业也行走在数字化转型的前列。今天，各种证券业务信息系统已经积累 ...