介绍在这篇文章中，我们讨论主成分分析（PCA）是如何工作的，以及它如何被用来作为分类问题的降维技术。在这篇文章的末尾，出于证明的目的提供了Matlab源代码。在前面的文章中，我们讨论了所谓的维数诅咒，表明在高维空间分类器倾向于过度拟合训练数据。接下来产生的问题是哪些特征应该保留，哪些应该从高维特征向量中删除。如果此特征向量的所有特征是统计独立的，可以简单地从这个向量中消除最小的判别特征。通过各种贪婪...
分类：
其他好文 时间：
2015-05-22 17:07:33
阅读次数：
2951
做芯片PCA主成分分析可以选择使用affycoretools包的plotPCA方法，以样品"GSM363445_LNTT.CEL"、"GSM362948_LTT.CEL"、"GSM363447_LNTT.CEL"、"GSM362949_LTT.CEL"、"GSM363449_LNTT.CEL"、.....
分类：
其他好文 时间：
2015-05-22 16:40:53
阅读次数：
131
主成分分析与白化是在做深度学习训练时最常见的两种预处理的方法，主成分分析是一种我们用的很多的降维的一种手段，通过PCA降维，我们能够有效的降低数据的维度，加快运算速度。而白化就是为了使得每个特征能有同样的方差，降低相邻像素的相关性。 主成分分析PCA PCA算法可以将输入向量转换为一个维数低很多的近...
分类：
其他好文 时间：
2015-05-21 21:46:23
阅读次数：
482
主成分得分-线性回归通过主成分分析，采取降维的方法，最终选取了一个能解释收视情况76.62%的主成分，计算该用户每日收视综合得分。然后进行线性回归可以得出该用户的一个k值。s_dates_counts_timelens_usecount综合得分20140801625010-0.612014080231234-1.892014080352049-0...
分类：
其他好文 时间：
2015-05-19 16:57:22
阅读次数：
124
上一篇笔记中，介绍了因子分析模型，因子分析模型使用d维子空间的隐含变量z来拟合训练数据，所以实际上因子分析模型是一种数据降维的方法，它基于一个概率模型，使用EM算法来预计參数。本篇主要介绍PCA(Principal Components Analysis, 主成分分析)，也是一种降维方法，可是该方法...
分类：
其他好文 时间：
2015-05-18 14:41:29
阅读次数：
145
一、主成分分析
主成分分析流程
1、原始数据标准化。
2、计算标准化变量间的相关系数矩阵。
3、计算相关系数矩阵的特征值和特征向量。
4、计算主成分变量值。
5、统计结果分析，提取所需的主成分。
相关系数公式
主成分计算公式
其中Y是主成分变量矩阵，X是原始数据标准化后的矩阵，U是相关系数矩阵的特征向量。
特征值和特征向量的关系
主成分变量对应...
分类：
其他好文 时间：
2015-05-15 17:43:46
阅读次数：
1957
第十四章：主成分和因子分析本章内容主成分分析探索性因子分析其他潜变量模型主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测...
分类：
其他好文 时间：
2015-05-06 22:45:31
阅读次数：
361
在模式识别领域中，PCA是一种常用的数据集降维手段，在此基础上，保留数据集中对方差贡献最大的特征从而进行模式分类。OpenCV中提供PCA的类，因此可以方便地使用PCA来进行人脸识别研究。在学习了网上的相关实现和代码，在以下开发平台跑通了代码：win8.1+OpenCV2.4.9+Qt5.3.2。...
分类：
其他好文 时间：
2015-05-01 16:12:13
阅读次数：
180
前言：如果学习分类算法，最好从线性的入手，线性分类器最简单的就是LDA，它可以看做是简化版的SVM，如果想理解SVM这种分类器，那理解LDA就是很有必要的了。 谈到LDA，就不得不谈谈PCA，PCA是一个和LDA非常相关的算法，从推导、求解、到算法最终的结果，都有着相当的相似。 本次的内容主要是以推...
分类：
其他好文 时间：
2015-04-29 16:52:02
阅读次数：
286
主成分分析PCA算法原理解析浅谈对主成分分析（PCA）算法的理解主成分分析（PCA）：降维。将多个变量通过线性变换（线性相加）以选出较少个数重要变量。力求信息损失最少的原则。主成分：就是线性系数，即投影方向。通常情况下，变量之间是有一定的相关关系的，即信息有一定的重叠。将重复的变量删除。基本思想：将...
分类：
其他好文 时间：
2015-04-26 22:32:09
阅读次数：
457
