概述
7 主成成分分析（PCA）降维算法
Principal Component Analysis，PCA是一种常用的降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。
回顾统计学名词：
方差：
协方差：用于度量两个变量之间的线性相关性程度
特征向量：描述数据集结构的非零向量
PCA的原理：
矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次是第二主成分，以此类推。（推到过程参见《机器学习》南京大学周志华。）
最后
以上就是迷你未来为你收集整理的7 主成成分分析（PCA）降维算法7 主成成分分析（PCA）降维算法的全部内容，希望文章能够帮你解决7 主成成分分析（PCA）降维算法7 主成成分分析（PCA）降维算法所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复