主成分分析和因子分析无论从算法上还是应用上都有着比较相似之处，本文结合以往资料以及自己的理解总结了以下十大不同之处，适合初学者学习之用。 1.原理不同 主成分分析基本原理：利用降维（线性变换)的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标（主成分),即每个主成分都是原始变量的线性 ...
分类：
其他好文 时间：
2018-07-18 19:06:56
阅读次数：
144
主成分分析可以简单的总结成一句话：数据的压缩和解释。常被用来寻找判断某种事物或现象的综合指标，并且给综合指标所包含的信息以适当的解释。在实际的应用过程中，主成分分析常被用作达到目的的中间手段，而非完全的一种分析方法。 可以通过矩阵变换知道原始数据能够浓缩成几个主成分，以及每个主成分与原来变量之间线性 ...
分类：
其他好文 时间：
2018-07-11 14:47:32
阅读次数：
193
机器学习算法-PCA降维 一、引言 在实际的数据分析问题中我们遇到的问题通常有较高维数的特征，在进行实际的数据分析的时候，我们并不会将所有的特征都用于算法的训练，而是挑选出我们认为可能对目标有影响的特征。比如在泰坦尼克号乘员生存预测的问题中我们会将姓名作为无用信息进行处理，这是我们可以从直观上比较好 ...
分类：
编程语言 时间：
2018-07-11 00:58:38
阅读次数：
190
贝叶斯公式 条件概率的展开、转化 关联规则分析 支持度、置信度、提升度 KULC IR 聚类 聚类之间类的度量是分距离和相似系数来度量的 距离 距离用来度量样品之间的相似性（k means聚类，系统聚类中的Q型聚类） 相似系数 相似系数用来度量变量之间的相似性（系统聚类的R型聚类） 最常用的是k m ...
分类：
其他好文 时间：
2018-06-30 11:00:31
阅读次数：
218
# 每个主成分向量的长度与数据集的特征数一样 # 主成分分析法的本质：将数据集从一个坐标系转换到另一个坐标系，原坐标系有 n 个维度（n 中特征），则转换的新坐标系也有 n 个维度，每个主成分表示一个维度，只是对于转换后的坐标系，只取前 k 个维度（也就是前 k 个主成分），此 k 个维度相对于数据 ...
分类：
其他好文 时间：
2018-06-24 20:53:26
阅读次数：
144
参考：https://blog.csdn.net/oucpowerman/article/details/50390239 现今，当在“数据科学”领域开始引入各种概念的时候，著名的“鸢尾花（Iris）”花数据集可能是最常用的一个例子。1936年，R.A.Fisher在他的判别分析中创建和使用了Iri ...
分类：
其他好文 时间：
2018-06-19 00:54:04
阅读次数：
235
PCA属于无监督问题 pca是以方差的最大方向投影，目的使数据能够最大程度分得开 ...
分类：
其他好文 时间：
2018-06-12 11:43:27
阅读次数：
200
PCA PCA（Principal Component Analysis，主成分分析）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 ...
分类：
编程语言 时间：
2018-06-02 23:58:29
阅读次数：
460
主成分分析PCA算法：为什么去均值以后的高维矩阵乘以其协方差矩阵的特征向量矩阵就是“投影”？ https://www.zhihu.com/question/30094611 还有一些疑问：1.这个散步函数是怎么回事，好像和定义不一样！ ...
分类：
其他好文 时间：
2018-05-25 22:48:28
阅读次数：
196
