斯坦福機器學(xué)習公開(kāi)課筆記15——隱含語(yǔ)義索引、奇異值分解、獨立成分分析

　　我們在上一篇筆記中講到了PCA(主成分分析)。PCA是一種直接的降維方法，通過(guò)求解特征值與特征向量，并選取特征值較大的一些特征向量來(lái)達到降維的效果。

　　本文繼續PCA的話(huà)題，包括PCA的一個(gè)應用——LSI(Latent Semantic Indexing, 隱含語(yǔ)義索引)和PCA的一個(gè)實(shí)現——SVD(Singular Value Decomposition,奇異值分解)。在SVD和LSI結束之后，關(guān)于PCA的內容就告一段落。視頻的后半段開(kāi)始講無(wú)監督學(xué)習的一種——ICA(Independent Component Analysis, 獨立成分分析)。

　　本筆記的13-15部分的pdf已上傳csdn資源中，下載請猛擊屠龍寶刀，下載就送。