前言：Hello 大家好，我是小花，又和大家見(jiàn)面了，前面的文章一直是對(duì)機(jī)器學(xué)習(xí)的基本分類，回歸，聚類算法進(jìn)行學(xué)習(xí)。那時(shí)候我記得給了大家很多特征，當(dāng)時(shí)我說(shuō)，特征的好壞決定了機(jī)器學(xué)習(xí)算法的效果。那么接下來(lái)，我將會(huì)帶著大家研究研究機(jī)器學(xué)習(xí)的特征。
這是我在ICML上看到的一篇文章，作者是華盛頓大學(xué)的一個(gè)教授，文章名：deep canonical correlation analysis。就是深度典型相關(guān)分析。目的是解決多視圖學(xué)習(xí)的非線性問(wèn)題。前面我的文章對(duì)這個(gè)有介紹：
多視圖學(xué)習(xí)：http://www.cnblogs.com/xiaohuahua108/p/6014188.html
典型相關(guān)分析：http://www.cnblogs.com/xiaohuahua108/p/6086959.html
估計(jì)看到這里的小伙伴估計(jì)就要問(wèn)了，等等，非線性問(wèn)題，不是你在說(shuō)SVM算法的時(shí)候，用核解決的么。哈哈，真聰明，我在把連接給大家。
核的介紹：
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式