一、機器學習課程筆記【十三】- 獨立成分分析

在吳恩達教授的機器學習課程筆記第十三部分，獨立成分分析(ICA)被深入探討。ICA的目標是通過尋找一個新基底，將數(shù)據(jù)分解為獨立的成分，類似于PCA尋找不相關的因子，但焦點在于獨立性。其動機源于一個實際問題：想象n個人同時說話，不同收音器捕捉到的是獨立的聲音，ICA試圖從多個觀測信號中分離出這些獨立的成分。

與因子分析不同，ICA不強調(diào)變量間的相關性，而是尋找不依賴其他變量的獨立變量。例如，人的年齡獨立于飲食和看電視時間。ICA假設數(shù)據(jù)是未知獨立成分的線性組合，這與PCA的線性不相關性尋找形成鮮明對比。

PCA通過主成分獲取數(shù)據(jù)方差，SVD作為一種實施PCA的方法，簡化了計算過程。而ICA在預處理階段通常先進行數(shù)據(jù)標準化，以降低計算復雜性。ICA和PCA的區(qū)別在于，PCA用于提取信息，ICA則更偏向于信號的分離與解混。

二、吳恩達的公開課怎么有兩個版本？哪個比較好

73、詠鵝 駱賓王

三、如何使用《機器學習》這本書

經(jīng)典機器學習進階書籍，沒有特別晦澀難懂的語言，書里有很多簡單明了的例子，如果對機器學習感興趣，經(jīng)典的書有PRML，統(tǒng)計學習方法，機器學習實戰(zhàn)，然后還有這本機器學習，都值得一看

四、現(xiàn)實中如何研發(fā)鋼鐵俠中的人工智能——賈維斯？

傳統(tǒng)計算機基本壓榨不出甚么果汁了 應當寄托與量子計算機或生物計算機 暫時沒有甚么希望了 冬眠去吧