机器学习-非监督学习-随机投影与ICA

• 1、随机投影
• 2、随机投影
• 3、sklearn 中的随机投影
• 4、独立成分分析 (ICA)
• 5、独立成分分析算法
• 6、ICA
• 7、sklearn 中的独立成分分析
• 8、9[Lab] 独立成分分析
• 10、ICA 应用

#

1、随机投影

2、随机投影

习题 1/2 在以下哪种情况下，你可能想要使用随机投影而不是 PCA 呢？

在处理多维数据中， PCA的性能并不可取时

习题 2/2 选择题：我们通过随机投影 来进行数据投影，明确好组件/维度的数量。这是必须的！

错误。组件的数量不是必须的，可以由算法计算出来。

3、sklearn 中的随机投影

4、独立成分分析 (ICA)

5、独立成分分析算法

6、ICA

以下哪些选项在统计学上是独立的（因此我们有可能使用 ICA 进行分离）？

一场两人之间对话的两个录音

习题 2/2 判断题：ICA 总是适用于我们观测的数目低于我们寻求的独立组件数目的情况 （比如，我们有一个五人组成的乐队的两个录音）。

错误

7、sklearn 中的独立成分分析

8、9[Lab] 独立成分分析

查看内容资料

10、ICA 应用