简述几种人脸识别的主要方法

2018-03-30

简述几种人脸识别的主要方法 人脸识别的方法很多，以下介绍一些主要的人脸识别方法。 (1)几何特征的人脸识别方法 几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系(如相互之间的距离)。这些算法识 ...

人脸识别中常用的几种分类器

2018-03-28

人脸识别中常用的几种分类器 在人脸识别中有几种常用的分类器，一是最邻近分类器；二是线性分类器 （1）最邻近分类器 最近邻分类器是模式识别领域中最常用的分类方法之一，其直观简单，在通常的应用环境 ...

基于矩阵分解的隐因子模型

2018-03-25

基于矩阵分解的隐因子模型 推荐系统是现今广泛运用的一种数据分析方法。常见的如，“你关注的人也关注他”，“喜欢这个物品的用户还喜欢。。”“你也许会喜欢”等等。 常见的推荐系统分为基于内容的推荐与 ...

常见的几种矩阵分解方式

2018-03-23

常见的几种矩阵分解方式 1.三角分解(LU分解) 矩阵的LU分解是将一个矩阵分解为一个下三角矩阵与上三角矩阵的乘积。本质上，LU分解是高斯消元的一种表达方式。首先，对矩阵A通过初等行变换将其变为一个上三角 ...

R语言数组和矩阵

2018-03-13

R语言数组和矩阵 1 数组 数组可以看成一个由递增下标表示的数据项的集合，例如数值。 数组的生成 如果一个向量需要在R中以数组的方式被处理，则必须含有一个维数向量作为它的dim属性。 维度向量由di ...

常用的机器学习&数据挖掘知识点

2018-03-07

常用的机器学习&数据挖掘知识点 Basis(基础)： MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimation最 ...

数据预处理--数据降维

2018-03-01

数据预处理--数据降维 数据规约产生更小但保持数据完整性的新数据集。在规约后的数据集上进行数据分析和挖掘将更有效率。 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映 ...

数据预处理的一些知识

2018-02-24

数据预处理的一些知识 做研究时只要与数据分析相关就避免不了数据预处理。我们常见的预处理包括：标准化（规范化），归一化，零均值（化），白化，正则化……这些预处理的目的是什么呢？网上查的总是零零散 ...

数据挖掘之用户价值分析

2018-02-22

数据挖掘之用户价值分析 这里要介绍的是基于每个用户行为的综合性的分析和评定，主要包括用户的忠诚度和用户的价值。“以用户为中心”的理论要求网站不断优化改善用户的体验，进而提升用户的满意度，当用户的预 ...

机器学习python实战之决策树

2018-02-10

机器学习python实战之决策树 决策树原理：从数据集中找出决定性的特征对数据集进行迭代划分，直到某个分支下的数据都属于同一类型，或者已经遍历了所有划分数据集的特征，停止决策树算法。 每次划分数据集的 ...

数据挖掘概念综述

2018-01-29

数据挖掘概念综述 数据挖掘又称从数据库中发现知识（KDD）、数据分析、数据融合（Data Fusion）以及决策支持。KDD一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。随后在1991年、1993年和199 ...

一文读懂聚类算法

2018-01-11

一文读懂聚类算法 1. 聚类的基本概念 1.1 定义 聚类是数据挖掘中的概念，就是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中 ...

数据科学的基本内容

2018-01-08

数据科学的基本内容 什么是数据科学?它和已有的信息科学、统计学、机器学习等学科有什么不同?作为一门新兴的学科，数据科学依赖两个因素：一是数据的广泛性和多样性;二是数据研究的共性。现代社会的各行各业都 ...

克服大数据集群的挑战

2018-01-04

克服大数据集群的挑战 数据存储曾经是大数据的最大挑战。由于云计算基础设施的进步，存储数据不再是关键问题。如今，数据科学家所面临的最大问题是数据收集。 集群化使得大数据分析更容易。然而，集群也给数 ...

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,…, ...

数据挖掘中，分类与聚类的区别

2017-12-11

数据挖掘中，分类与聚类的区别 本文对数据挖掘中，极为常见的两类算法：分类与聚类，做个梳理。 首先，来看看分类和聚类各自的一些定义描述。 分类(classification )： 分类算法需要学习，它通过学习找出描述 ...

数据挖掘中的分类和聚类

2017-12-11

数据挖掘中的分类和聚类 分类(classification )：有指导的类别划分，在若干先验标准的指导下进行，效果好坏取决于标准选取的好坏。 它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标 ...

利用spark做文本分类（朴素贝叶斯模型）

2017-12-10

利用spark做文本分类（朴素贝叶斯模型） 朴素贝叶斯模型 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基 ...

R语言中样本平衡的几种方法

2017-12-06

R语言中样本平衡的几种方法 在对不平衡的分类数据集进行建模时，机器学习算法可能并不稳定，其预测结果甚至可能是有偏的，而预测精度此时也变得带有误导性。在不平衡的数据中，任一算法都没法从样本量少的类中 ...