斯坦福機器學習公開課筆記15——隱含語義索引、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達到降維的效果。

　　本文繼續(xù)PCA的話題，包括PCA的一個應用——LSI(Latent Semantic Indexing, 隱含語義索引)和PCA的一個實現(xiàn)——SVD(Singular Value Decomposition,奇異值分解)。在SVD和LSI結(jié)束之后，關于PCA的內(nèi)容就告一段落。視頻的后半段開始講無監(jiān)督學習的一種——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。