|
22、Mnist数据集下PCA降维与KNN分类_PCA降噪与特征脸
不降维直接KNN分类 时间复杂度非常高
使用PCA降维后(784维--->87维),
KNN预测耗时从原来的11min 21s降到1min 10s
预测准确率从0.9657 到 0.9699 反而提高了
(时间复杂度与空间复杂度 都得到极大的优化:PCA的威力)
PCA:降维的同时降噪 22、PCA降噪-for-Noise-Reduction
22、特征脸-Eigenface:
对原始数据进行PCA降维(pca = PCA(svd_solver='randomized'))
则生成的前k(k=n)个主成分形成的矩阵(N*n)就是特征脸
ipynb文件在附件,可提供下载!
视频教程请参考:http://www.ai111.vip/thread-349-1-1.html
东方老师微信:dfy_88888
|
-
01.png
(57.71 KB, 下载次数: 141)
-
02.png
(33.88 KB, 下载次数: 141)
-
03.png
(38.98 KB, 下载次数: 138)
-
04.png
(79.19 KB, 下载次数: 141)
-
05.png
(77.95 KB, 下载次数: 140)
-
-
22、Mnist数据集下PCA降维与KNN分类.ipynb
7.59 KB, 阅读权限: 10, 下载次数: 0
-
-
22、PCA降噪-for-Noise-Reduction.ipynb
108.51 KB, 阅读权限: 10, 下载次数: 0
-
-
22、特征脸-Eigenface.ipynb
575.09 KB, 阅读权限: 10, 下载次数: 0
|