- 博客(1)
- 资源 (14)
- 收藏
- 关注
转载 奇异值分解(SVD) --- 几何意义
经过这个矩阵变换后的效果如下图所示 在这个例子中,第二个奇异值为 0,因此经过变换后只有一个方向上有表达。 M = u1σ1 v1T. 换句话说,如果某些奇异值非常小的话,其相对应的几项就可以不同出现在矩阵 M 的分解式中。因此,我们可以看到矩阵 M 的秩的大小等于非零奇异值的个数。 实例二 我们来看一个奇异值分解在数据表达上的应用。假设我们有如下的一张 15
2015-05-08 22:32:42 304
数据挖掘:概念与技术(中文第三版)
《数据挖掘:概念与技术(原书第3版)》是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书,是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材,可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。
2014-12-26
频繁子树模式挖掘算法PrefixTreeESpan
频繁模式挖掘是数据挖掘中一个重要课题,它从海量数据中找到频繁出现的
模式,例如频繁集,频繁序列等。这里介绍了一种基于模式增长的频繁子树挖掘算法PrefixTreeESpan
是中文文档哦!
2014-12-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人