电脑基础 · 2023年4月19日

机器学习强基计划8-3:详细推导核化主成分分析KPCA算法(附Python实现)

目录

  • 0 写在前面
  • 1 核降维技术
  • 2 核化主成分分析推导
  • 3 Python实现
    • 3.1 算法流程
    • 3.2 核心代码
    • 3.3 可视化

0 写在前面

机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理;“广”在分析多个机器学习模型:决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖,由本人亲自从底层编写、测试与文章配套的各个经典算法,不依赖于现有库,可以大大加深对算法的理解。

🚀详情:机器学习强基计划(附几十种经典模型源码)


1 核降维技术

在机器学习强基计划3-4:详解核方法——以核支持向量机KSVM为例中我们介绍了核方法,这是一类把低维空间的非线性可分问题,