PCA(Principal Components Analysis)，它是一种“投影(projection)技巧”，就是把高维空间上的数据映射到低维空间。比如三维空间的一个球，往坐标轴方向投影，变成了一个圆。球是3维的，圆是2维的。在球变成圆的这个投影过程中，丢失了原来物体(球)的一部分“性质” 圆 ...
分类：
其他好文 时间：
2017-04-18 19:18:26
阅读次数：
227
矩阵的特征值和特征向量是线性代数以及矩阵论中很重要的一个概念。在遥感领域也是经经常使用到。比方多光谱以及高光谱图像的主成分分析要求解波段间协方差矩阵或者相关系数矩阵的特征值和特征向量。依据普通线性代数中的概念，特征值和特征向量能够用传统的方法求得，可是实际项目中一般都是用数值分析的方法来计算，这里介 ...
分类：
编程语言 时间：
2017-04-18 09:47:45
阅读次数：
360
本文简单整理了以下内容： （一）维数灾难 （二）特征提取——线性方法 1. 主成分分析PCA 2. 独立成分分析ICA 3. 线性判别分析LDA （一）维数灾难（Curse of dimensionality） 维数灾难就是说当样本的维数增加时，若要保持与低维情形下相同的样本密度，所需要的样本数指数 ...
分类：
其他好文 时间：
2017-04-13 17:02:57
阅读次数：
297
KPCA，中文名称”核主成分分析“，是对PCA算法的非线性扩展，言外之意，PCA是线性的，其对于非线性数据往往显得无能为力，例如，不同人之间的人脸图像，肯定存在非线性关系，自己做的基于ORL数据集的实验，PCA能够达到的识别率只有88%，而同样是无监督学习的KPCA算法，能够轻松的达到93%左右的识 ...
分类：
其他好文 时间：
2017-04-09 20:32:18
阅读次数：
317
主成分分析（Principal components analysis，以下简称PCA）是最重要的降维方法之一。在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。一般我们提到降维最容易想到的算法就是PCA，下面我们就对PCA的原理做一个总结。 1. PCA的思想 PCA顾名思义，就是找出数据里最 ...
分类：
其他好文 时间：
2017-04-05 22:03:12
阅读次数：
294
声明：出处http://blog.csdn.net/zhongkejingwang/article/details/42264479 什么是PCA？ 在数据挖掘或者图像处理等领域经常会用到主成分分析，这样做的好处是使要分析的数据的维度降低了，但是数据的主要信息还能保留下来，并且，这些变换后的维两两不 ...
分类：
其他好文 时间：
2017-03-26 19:25:21
阅读次数：
311
典型关联分析(Canonical Correlation Analysis，以下简称CCA)是最常用的挖掘数据关联关系的算法之一。比如我们拿到两组数据，第一组是人身高和体重的数据，第二组是对应的跑步能力和跳远能力的数据。那么我们能不能说这两组数据是相关的呢？CCA可以帮助我们分析这个问题。 1. C ...
分类：
其他好文 时间：
2017-03-10 17:56:32
阅读次数：
1705
主成分分析，主成份是原始变量的线性组合，在考虑所有主成份的情况下主成份和原始变量间是可以逆转的。即“简化变量”，将变量以不同的系数合起来，得到好几个复合变量，然后在从中挑几个能表示整体的复合变量就是主成份，然后计算得分。 因子分析，公共因子和原始变量的关系是不可逆转的，但是可以通过回归得到。是将变量 ...
分类：
其他好文 时间：
2017-02-18 21:01:16
阅读次数：
311
原理： 主成分分析 - stanford 主成分分析法 - 智库 主成分分析（Principal Component Analysis）原理 主成分分析及R语言案例 - 文库 主成分分析法的原理应用及计算步骤 - 文库 主成分分析之R篇 【机器学习算法实现】主成分分析(PCA)——基于python+ ...
分类：
编程语言 时间：
2017-02-16 13:18:24
阅读次数：
3559
本文对“A tutorial on Principal Components Analysis”进行了翻译，在翻译原文的过程中，在保证不改变原文意思的前提下，对一些知识点进行了扩充并附上参考网址。本人刚开始尝试翻译文献，经验不足，有些理解可能不到位，有些翻译可能不够准确。若读者们有发现有误之处，还望... ...
分类：
其他好文 时间：
2017-01-27 11:58:32
阅读次数：
500
