码迷,mamicode.com
首页 > 其他好文 > 详细

PCA(主成分分析)方法浅析

时间:2019-11-30 21:07:21      阅读:116      评论:0      收藏:0      [点我收藏+]

标签:维度   分析   矩阵   这一   a算法   分析方法   特征   样本   描述   

PCA(主成分分析)方法浅析

降维、数据压缩

找到数据中最重要的方向:方差最大的方向,也就是样本间差距最显著的方向

技术图片

在与第一个正交的超平面上找最合适的第二个方向

PCA算法流程

技术图片

上图第一步描述不正确,应该是去中心化,而不是中心化

具体来说,投影这一环节就是:将与特征值对应的k个特征向量分别作为行向量组成特征向量矩阵P

技术图片

直接乘以特征变量就好。原来是二维数据,降维之后只有一维。

我们想保留几个维度的特征,就留下几个特征值和对应的特征向量。

PCA(主成分分析)方法浅析

标签:维度   分析   矩阵   这一   a算法   分析方法   特征   样本   描述   

原文地址:https://www.cnblogs.com/jiading/p/11963861.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!