chapter14 机器学习之利用SVD简化数据
生活随笔
收集整理的這篇文章主要介紹了
chapter14 机器学习之利用SVD简化数据
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
餐館可劃分為很多類別,比如美式、中式、日式、牛排館、素食店,等等。你是否想過這些
類別夠用嗎?或許人們喜歡這些的混合類別,或者類似中式素食店那樣的子類別。如何才能知道
到底有多少類餐館呢?我們也許可以問問專家?但是倘若某個專家說應該按照調料分類,而另一
個專家則認為應該按照配料分類,那該怎么辦呢?忘了專家,我們還是從數據著手吧。我們可以
對記錄用戶關于餐館觀點的數據進行處理,并且從中提取出其背后的因素。
這些因素可能會與餐館的類別、烹飪時所用的某個特定配料,或其他任意對象一致。然后,
我們就可以利用這些因素來估計人們對沒有去過的餐館的看法。提取這些信息的方法稱為奇異值分解(Singular Value Decomposition, SVD)。從生物信息學到金融學等在內的很多應用中,SVD都是提取信息的強大工具。
本章將介紹SVD的概念及其能夠進行數據約簡的原因。然后,我們將會介紹基于Python的
SVD實現以及將數據映射到低維空間的過程。再接下來,我們就將學習推薦引擎的概念和它們的
實際運行過程。為了提高SVD的精度,我們將會把其應用到推薦系統中去,該推薦系統將會幫助
人們尋找到合適的餐館。最后,我們講述一個SVD在圖像壓縮中的應用例子。
總結
以上是生活随笔為你收集整理的chapter14 机器学习之利用SVD简化数据的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: chapter13 机器学习之利用PCA
- 下一篇: chapter15 机器学习之大数据与m