PCA是用来给多维数据降维，分析提取主成分的一种算法； 怎么实现的呢？首先说明，在已标注和未标注的数据上都有降维技术，PCA是一种在对未标注数据的降维技术。 在PCA中，数据从原来的坐标系转换到了新的坐标系，新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐 ...
分类：
其他好文 时间：
2020-11-04 19:25:03
阅读次数：
44
（一） 数据处理 ① 插值拟合 主要用于对数据的补全和基本的趋势分析 ② 小波分析，聚类分析（高斯混合聚类，K-均值聚类等等） 主要用于诊断数据异常值并进行剔除 ③ 主成成分分析、线性判别分析、局部保留投影等 主要用于多维数据的降维处理，减少数据冗余 ④ 均值、方差分析、协方差分析等统计方法 主要用 ...
分类：
其他好文 时间：
2020-02-12 16:28:34
阅读次数：
117
PCA（Principal Component Analysis）主成成分分析法，是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的 ...
分类：
其他好文 时间：
2016-11-18 00:07:14
阅读次数：
232
PCA全称为principal componentanalysis，即主成成分分析，用于降维。对数据进行降维有很多原因。比如：
1：使得数据更易显示，更易懂
2：降低很多算法的计算开销
3：去除噪声
一：基本数学概念
1：方差
均值太简单了，不说了。方差是各个数据分别与其和的平均数之差的平方的和的平均数，用字母D表示。计算公式如下：
...
分类：
其他好文 时间：
2014-11-27 14:36:35
阅读次数：
402
