資料探勘與分析 概念與演算法
資料圖：圖的節點代表例項，邊代表關係
屬性：數值、類別：名義類、次序類
第五章 核方法
給定一個資料物件或者例項的集合Xi以及對映函式φ，可以轉換為特徵向量φx,從而能使用數值分析方法分析複雜的資料例項。
將所有的輸入點都變換到特徵空間代價過高，甚至不可實現，高維數會使我們遇到“維數災難”。
核方法- 輸入物件用他們之間的n*n成對相似度值來表示（對映點φx），相似度函式，稱為核，代表高維特徵空間的一個點乘。
許多資料探勘方法都可以 核化，即不把輸入點對映到特徵空間，而是表示為核矩陣K，所有相關分析都可以在K上進行。
相關文章
- 《資料探勘——概念與技術》書評
- 《資料探勘概念與技術》讀書筆記筆記
- 資料探勘概念與技術 - chapter 8 - 分類：基本概念APT
- 資料探勘（1）：關聯規則挖掘基本概念與Aprior演算法演算法
- 社交網站的資料探勘與分析網站
- 資料探勘概念
- 資料探勘：概念與技術(原書第3版)
- 大資料時代，如何做資料探勘與分析！大資料
- 資料分析與資料探勘 - 04科學計算
- Yahoo前任資料官：資料探勘與分析技巧（下）IF
- 資料探勘與生活
- 資料探勘與預測分析(第2版)
- 《資料分析與資料探勘》--天津大學公開課
- 資料探勘與資料抽樣
- 《資料探勘概念與技術》第八章 分類：基本概念
- 資料探勘與分析（網際網路行業）行業
- 資料探勘與資料分析的主要區別是什麼
- 統計學與資料探勘
- 資料探勘者與資料探勘青年的對話（轉）
- 資料結構與演算法 基礎概念資料結構演算法
- 資料結構與演算法（1）- 基礎概念資料結構演算法
- 資料探勘之KMeans演算法應用與簡單理解演算法
- 資料探勘（9）：BP神經網路演算法與實踐神經網路演算法
- 資料探勘方向分析
- .NET資料探勘與機器學習開源框架機器學習框架
- 資料探勘的資料分析方法
- 資料結構與演算法分析——棧資料結構演算法
- 【Mark Schmidt課件】機器學習與資料探勘——MLE與MAP機器學習
- 常用資料探勘演算法演算法
- 一文講清：資料分析與資料探勘到底有什麼區別？
- 統計學與資料探勘的區別
- 資料結構與演算法分析——佇列資料結構演算法佇列
- 《資料結構與演算法分析》筆記資料結構演算法筆記
- 資料結構與演算法分析 (雜湊)資料結構演算法
- 《資料探勘概念與技術（中文第三版）》 百度網盤連結
- 資料結構：初識（資料結構、演算法與演算法分析）資料結構演算法
- XML與面向Web的資料探勘技術(轉)XMLWeb
- 資料探勘（8）：樸素貝葉斯分類演算法原理與實踐演算法