一、机器学习课程笔记【十三】- 独立成分分析
在吴恩达教授的机器学习课程笔记第十三部分，独立成分分析(ICA)被深入探讨。ICA的目标是通过寻找一个新基底，将数据分解为独立的成分，类似于PCA寻找不相关的因子，但焦点在于独立性。其动机源于一个实际问题：想象n个人同时说话，不同收音器捕捉到的是独立的声音，ICA试图从多个观测信号中分离出这些独立的成分。
与因子分析不同，ICA不强调变量间的相关性，而是寻找不依赖其他变量的独立变量。例如，人的年龄独立于饮食和看电视时间。ICA假设数据是未知独立成分的线性组合，这与PCA的线性不相关性寻找形成鲜明对比。
PCA通过主成分获取数据方差，SVD作为一种实施PCA的方法，简化了计算过程。而ICA在预处理阶段通常先进行数据标准化，以降低计算复杂性。ICA和PCA的区别在于，PCA用于提取信息，ICA则更偏向于信号的分离与解混。
二、吴恩达的公开课怎么有两个版本？哪个比较好
73、咏鹅 骆宾王
三、如何使用《机器学习》这本书
经典机器学习进阶书籍，没有特别晦涩难懂的语言，书里有很多简单明了的例子，如果对机器学习感兴趣，经典的书有PRML，统计学习方法，机器学习实战，然后还有这本机器学习，都值得一看
四、现实中如何研发钢铁侠中的人工智能——贾维斯？
传统计算机基本压榨不出甚么果汁了 应当寄托与量子计算机或生物计算机 暂时没有甚么希望了 冬眠去吧
