斯坦福公开课Machine Learning笔记(十一)--Factor Analysis
来源:互联网 发布:testv淘宝店搜不到 编辑:程序博客网 时间:2024/05/21 22:38
斯坦福公开课Machine Learning笔记(十一)–Factor Analysis
这系列笔记其实已经手写好, 现在一次性发上来, 主要是怕丢. 内容以Andrew Ng的讲义为主,主要以公式推导与理解为主,引入和介绍省略.对于最后的Reinforcement Learning部分, 由于没有讲义以及对其实在不熟悉, 就没有笔记了(主要还是因为没有讲义).
Factor analysis其实就是拨开现象发现本质的过程.
但是本质是观察不到的,所以要根据原始的找到潜在的,就可以用EM算法.
对于高斯混合模型中EM的M-step,当n>>m时:
这里的均值计算没问题,但是计算
所以要对
这样对m就没有要求了,有样本就可以计算方差.
再进一步假设,对角线上的值都是相等的,为方差的平均值.
The Factor Analysis Model
x为原始变量,z为因子变量,
所以可以理解为:高维的原始变量都是可以用低维的因子变量通过线性变换德奥.可以达到降维的目的.
但是无法直接求解,所以使用EM:
优化目标函数,z是满足高斯分布的连续变量,故用积分
对各个参数求导求解.
- 斯坦福公开课Machine Learning笔记(十一)--Factor Analysis
- 斯坦福公开课Machine Learning笔记(五)--Support Vector Machine
- 斯坦福公开课Machine Learning笔记(四)--Generative Learning Algorithm
- 斯坦福公开课Machine Learning笔记(六)--Learning Theory
- 斯坦福公开课Machine Learning笔记(八)--Online Learning
- 斯坦福公开课Machine Learning笔记(一)--Linear Regression
- 斯坦福公开课Machine Learning笔记(三)--Generalized Linear Models
- 斯坦福公开课Machine Learning笔记(十二)--PCA
- 斯坦福公开课Machine Learning笔记(十三)--ICA
- 斯坦福公开课Machine Learning笔记(二)--Classification and Logistic Regression
- 斯坦福公开课Machine Learning笔记(七)--Regularization and model selection
- 斯坦福公开课Machine Learning笔记(九)--The K-means Clustering Algorithm
- 斯坦福公开课Machine Learning笔记(十)--Mixtures of Gaussians and EM algorithm
- 斯坦福的 Machine Learning 公开课,可以注册在线学习
- 斯坦福机器学习公开课笔记(十一)--数据降维
- 斯坦福公开课mechine learning笔记 之 朴素贝叶斯
- Mechine Learning|斯坦福公开课学习笔记1
- 斯坦福公开课深度学习Deep Learning
- POJ 1084 Square Destroyer
- Activity的正确打开方式
- Java 类加载器及加载Class字节码
- tomcat虚拟目录配置
- 使用ssh连接虚拟机ubuntu
- 斯坦福公开课Machine Learning笔记(十一)--Factor Analysis
- super.getClass()与this.getClass()的问题
- 安卓帧动画的两种启动方式
- Java 8的新特性—终极版
- Java事件处理举例
- struts2中文件上传与下载
- python 下.whl 文件安装
- validation.xml无反应验证
- 比较全面的音视频编解码学习