网络机器人吧社区

机器学习 | 第15讲---MDS方法(1)

狗熊会 2019-01-10 16:06:18

大家好,机器学习导论的第15节课来了。这一节是讲述的是与PCA方法相对应的另一类方法叫做MDS方法。

本节课程主要内容:

  • 欧式距离矩阵的定义; 

  • 从距离矩阵出发推断点的位置的MDS方法。


张老师就讲到这里,希望大家学的开心,如果有问题大家可以留言讨论。


参考文献:

Borg, Ingwer, and Patrick JF Groenen. Modern multidimensional scaling: Theory and applications. Springer Science & Business Media, 2005.


 张志华教授简介 

博士,北京大学数学科学学院概率统计系教授。加入北京大学之前为上海交通大学计算机科学与工程系教授,上海交通大学数据科学研究中心兼职教授,计算机科学与技术和统计学双学科的博士生指导导师。也曾是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授。

主要从事人工智能、机器学习与应用统计学领域的教学与研究。迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文。是美国“数学评论”的特邀评论员,国际机器学习旗舰刊物Journal of Machine Learning Research 的执行编委。



点击这里查看往期精彩!


第一讲:机器学习简介

第二讲:机器学习的概率与统计基础

第三讲:多元正态分布与高斯图模型(1)

第四讲:多元正态分布与高斯图模型(2)

第五讲:多项式分布及其在机器学习中的应用

第六讲:机器学习中的核方法(1)

第七讲:机器学习中的核方法(2)

第八讲:机器学习中的核方法(3)

第九讲:主成分分析与主坐标分析

第十讲:核主成分分析

第十一讲:概率PCA(1):最大似然估计

第十二讲:概率PCA(2):最大似然估计

第十三讲:概率PCA(3):最大期望算法

第十四讲:概率PCA(4):期望最大算法收敛性





Copyright © 网络机器人吧社区@2017