线性因子模型通常用作其他混合模型的组成模块，用于描述数据生成过程。
各种线性因子模型的主要区别在先验概率不一样。概率PCA服从高斯先验。
独立成分分析不服从高斯先验。其功能类似em算法。用于分离特征。区别？
慢特征分析（SFA）源于慢性原则。
稀疏编码可以进行特征选择。
PCA就像在一个流体上按照最大横截面积切了，然后最长的方向就是主成分，正交的最长的就是次长，类推。
具体这张是什么意义就没看懂。。。
深度学习花书学习笔记 第十三章 线性因子模型
猜你喜欢
转载自blog.csdn.net/liutianheng654/article/details/83024671
今日推荐
周排行