“你们说……”
朱雅丹满脑袋问号地抬起头,但看着常浩南思考的样子,很有自知之明地没有打扰。
再假设X中的数据样本来自于或近似来自于低维嵌入空间中的数据Y={y1,y2,…,yn}Rd。
寻找一个从高维观测空间到低维嵌入空间的映射关系,使得yi=(xi),以及一个一对一的重构映射关系-1,使得xi=-1(yi)。
“调料包大概占整包方便面重量的10%左右,如果少放或者多放,那应该很容易检测出来。”
而对于稍复杂一些的情况来说,要完全描述一个含义,往往需要一组数据。
而系统,则首先需要构建出一个完整且可行的思路出来。
“人类的大脑能够通过某种办法解析高维数据,从而获取对外部世界的感知。”
实际生活中面临的,其实大多数也是这种问题。
1、对原始高维数据进行压缩,降低原始高维数据的维度,进而节省存储空间,同时也降低高维数据的计算复杂度。
十五分钟后,三人(连同朱雅丹)已经围坐在了食堂二层的一个圆桌旁边。
回到办公室的常浩南重新找到了刚才那张纸。
不如先放松一下,换个思路。
在近70年前,美国统计学家哈罗德·霍特林就已经提出过将高维数据进行降维的主成分分析法。
不知不觉间,常浩南就在办公桌前枯坐到了快要吃午饭的时候。
给方便面里面塞调料包和给飞机打铆钉,在数学模型上其实是差不多的。
实际上,在常浩南重生之前,飞机设计和制造领域已经开始应用这方面的技术,他本人也接触过不少。
他认为方差越大提供的信息越多反之提供的信息越少,于是通过原分量的线性组合构造方差大、含信息量多的若干主分量,再进行矩阵奇异值分解,实现数据维数的降低。
没有灵感,说啥都没用。
常浩南摇摇头否定道。
这里算是个点餐制的小灶,价格比下面的大食堂贵一些,加上还要多上一层楼,因此来这里吃饭的人并不算多。
朱雅丹满脑袋问号地抬起头,但看着常浩南思考的样子,很有自知之明地没有打扰。
再假设X中的数据样本来自于或近似来自于低维嵌入空间中的数据Y={y1,y2,…,yn}Rd。
寻找一个从高维观测空间到低维嵌入空间的映射关系,使得yi=(xi),以及一个一对一的重构映射关系-1,使得xi=-1(yi)。
“调料包大概占整包方便面重量的10%左右,如果少放或者多放,那应该很容易检测出来。”
而对于稍复杂一些的情况来说,要完全描述一个含义,往往需要一组数据。
而系统,则首先需要构建出一个完整且可行的思路出来。
“人类的大脑能够通过某种办法解析高维数据,从而获取对外部世界的感知。”
实际生活中面临的,其实大多数也是这种问题。
1、对原始高维数据进行压缩,降低原始高维数据的维度,进而节省存储空间,同时也降低高维数据的计算复杂度。
十五分钟后,三人(连同朱雅丹)已经围坐在了食堂二层的一个圆桌旁边。
回到办公室的常浩南重新找到了刚才那张纸。
不如先放松一下,换个思路。
在近70年前,美国统计学家哈罗德·霍特林就已经提出过将高维数据进行降维的主成分分析法。
不知不觉间,常浩南就在办公桌前枯坐到了快要吃午饭的时候。
给方便面里面塞调料包和给飞机打铆钉,在数学模型上其实是差不多的。
实际上,在常浩南重生之前,飞机设计和制造领域已经开始应用这方面的技术,他本人也接触过不少。
他认为方差越大提供的信息越多反之提供的信息越少,于是通过原分量的线性组合构造方差大、含信息量多的若干主分量,再进行矩阵奇异值分解,实现数据维数的降低。
没有灵感,说啥都没用。
常浩南摇摇头否定道。
这里算是个点餐制的小灶,价格比下面的大食堂贵一些,加上还要多上一层楼,因此来这里吃饭的人并不算多。