bilberry

bilberry

V2EX 第 258752 号会员,加入于 2017-10-10 22:36:22 +08:00
车到山前刹不住,船到桥头自然沉
根据 bilberry 的设置,主题列表只有在你登录之后才可查看
二手交易 相关的信息,包括已关闭的交易,不会被隐藏
bilberry 最近回复了
原来是大佬,膜拜
34 天前
回复了 bojue 创建的主题 职场话题 裁员的逻辑是什么
一边裁员一边还招人,咋说?
Google Colab 或者 Kaggle 上先练练,真的不够用的时候再买或者开他们的会员
银行柜员也得找关系吧?
@DendimoN 投一下,试试
73 天前
回复了 glouhao 创建的主题 户外运动 五千米 33 分才跑完
不在快,在于坚持
重新复习了上学期讲的 PCA ,说下我的理解。

为什么方差越大的主成分给的权重就越大?
多维数据求的是协方差矩阵,协方差矩阵分解,如使用奇异值分解,会得到特征向量和特征值,每个特征向量对应由特征值。空间坐标系中,特征向量所表示的是各个成分的方向,特征值表在各方向上的大小。这个时候,某个方向上的协方差越大,其特征值就越大,对应“方差越大的主成分给的权重就越大”,我是这么觉得。这就好比初中物理的受力分解,可以随机找点数据测试下。

比如随便一个三维数据,x 分布[0,1],y 分布[0,5],z=0 ,分解后会发现 y 的特征值最大,z 的最小为 0 ,后面降维时 z 可以去掉,基本不会影响主成分。
从来就没关注过,看看那些在各个媒体平台的账号,如果关注数没几个,然后一大堆粉丝,还经常发文,心里也就有数了
关于   ·   帮助文档   ·   API   ·   FAQ   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2947 人在线   最高记录 5497   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 10ms · UTC 13:41 · PVG 21:41 · LAX 06:41 · JFK 09:41
Developed with CodeLauncher
♥ Do have faith in what you're doing.