Please enable JavaScript.

Coggle requires JavaScript to display documents.

巨量資料 (分析巨量社群網路資料 (連結預測(Link Prediction) 之技術可用來推薦朋友, 使用者的朋友個數之分配通常遵從冪次法則(Po…

- - - - 是一種重抽樣(Re-sampling)技術的應用
    - - 應用的領域問
        題與其它不同
      - 特性
        
        第一主成分跟第二主成分會正交
        
        通常可以提升模型訓練速度
        
        屬於非監督式方法
    - - 可以做為維度縮減 (Dimensionality Reduction) 的工具
      - 此類方法也可用於特徵工程 (Feature Engineering)
      - 是一種無目標變數 (Target Variable) 的模型學習方法
    - - 決策樹學習(Decision Tree Induction)
      - 隨機梯度下降 (Stochastic Gradient Descent)
  - - - 此種模型的參數較少或複雜度過低
      - 在目標函數中加入參數正則化(Regularization) 項可降低模型過適(Overfitting)問題
- - - - 反單調性=>不用去進行每一個候選組合的測試，而可以大量減少其演算時間
- - - - 較前面的處理層 (Layer) 過濾器通常可包含邊緣偵測器 (Edge Detector)
      - 池化層(Pooling Layers) 可降低影像的空間解析度
- - - - 資料維度降維