降维意味着我们在不丢失太多信息的情况下减少数据集中的特征数量，降维算法属于无监督学习的范畴，用未标记的数据训练算法。

尽管降维方法种类繁多，但它们都可以归为两大类:线性和非线性。

线性方法将数据从高维空间线性投影到低维空间(因此称为线性投影)。例子包括PCA和LDA。

非线性方法提供了一种执行非线性降维(NLDR)的方法。我们经常使用NLDR来发现原始数据的非线性结构。当原始数据不可线性分离时，NLDR很有用。在某些情况下，非线性降维也被称为流形学习。

摘 要： 为了克服非约束性变化条件下人脸识别率降低的弊端，提出一种曲率与小波轮廓增强的人脸识别算法。首先建立结构控制函数，通过水平集曲率检测人脸图像的整体结构，并建立融合轮廓分布模型，得到融合分布图像。然后用小波增强融合分布图像，得到轮廓和整体结构增强的图像，在此基础上，用主成分分析(PCA)算法对上述增强图像进行特征提取。最后通过稀疏表示(SRC)判断测试图像所属的类。实验结果表明，在ORL数据库的基础上，与PCA识别算法、SRC识别算法以及PCA与SRC相结合(PCA & SRC)的识别算法相比，该算法在非约束条件下识别率最高，鲁棒性得到增强。

文章目录

• 1. 机器学习基本概念
• 2. sklearn机器学习库

神经网络是识别一组数据中潜在关系的一系列算法。这些算法很大程度上有赖于人脑的运作方式。神经网络可以适应不断变化的输入，生成最佳结果，无需重新设计输出标准。在某种程度上，这些神经网络类似生物神经元的系统。

深度学习是机器学习的重要组成部分，深度学习算法基于神经网络。有几种功能不同的神经网络架构，最适合特定的应用场景。本文介绍一些最知名的架构，尤其是深度学习方面的架构。

清华大学108周年校庆之际，清华大学大数据研究中心、清华-快手未来媒体数据联合研究院将于4月27日在清华大学共同主办《清华大数据论坛——深度学习技术与应用》，届时邀请多位清华杰出校友分享深度学习技术动态和成功实践。

本次论坛将有四位来自学界、业界的特邀嘉宾做主题报告。快手AI技术副总裁郑文将在论坛分享以深度学习为核心的人工智能技术在快手平台的成功应用，涵盖从生产到消费各环节的技术研究和实践进展，以及对未来技术趋势的展望。

清华大学-快手未来媒体数据联合研究院于2018年4月正式成立，是清华大学首次与互联网企业进行跨多个学科领域开展交叉创新研究的尝试。以清华软件学院针对企业技术难题攻关为基础，并联合清华新闻与传播学院、社会学系等在人文社科领域开展一系列未来媒体技术的研究，旨在通过技术与人文的结合，实现人与人之间更精准的连接，为大众幸福感加速。

结合你自己相关的研究领域以快速入门，能有效避免从开始到放弃

激活图可视化

最近在研究电子商务和深度学习相结合的实务，在此基础上略有心得，先行记录下来，以备将来有机会实践。

1. 深度学习是什么

我们一听说深度学习，就觉得这玩意儿很高大上，除了特别有实力的公司，其他公司都玩不转，真的是这样吗？我不这样看，其实，如果了解了深度学习是什么，其实我们会发现，实践深度学习并将其应用在业务当中是很容易的。

首先，从咱们所熟知的深度学习场景开始。一般人都知道，深度学习离咱们最近的应用大约是在垃圾邮件处理和图像识别上。那么咱们就从图像识别来看看深度学习究竟是怎样工作的。

深度学习应用示例

深度学习与传统机器视觉

TF功能包能干什么？