最近在猛撸这本课，统计部分涉及的第一个分析数据的方法便是PCA！因此，今天打算好好梳理一下，涉及主城分析法的理论以及R实现！come on…gogogo… 首先说一个题外话，记得TED上有一期，一个叫Simon Sinek的年轻人提出了一个全新的Why-How-What黄金圈理论（三个同心圆，最里面...
分类：
其他好文 时间：
2015-04-20 01:46:39
阅读次数：
258
本科论文做的是人脸识别，对一些算法进行复习。。。概念PCA （主成分分析算法）主要用于减少数据集的维数，同时保持数据集中方差最大的贡献。（我的理解是，图像处理时，数据量太大，通常需要降低数据维数，但是又希望保留贡献大的特征数据，PCA就是保留主要成分的降维算法）。人脸识别中，利用PCA算法构建特征脸...
分类：
其他好文 时间：
2015-04-17 09:36:56
阅读次数：
705
PCA 算法也叫主成分分析（principal components analysis），主要是用于数据降维的。为什么要进行数据降维？因为实际情况中我们的训练数据会存在特征过多或者是特征累赘的问题，比如：
一个关于汽车的样本数据，一个特征是”km/h的最大速度特征“，另一个是”英里每小时“的最大速度特征，很显然这两个特征具有很强的相关性
拿到一个样本，特征非常多，样本缺很少，这样的数据用回归去你和将...
分类：
编程语言 时间：
2015-04-15 23:27:39
阅读次数：
303
本节课内容： 因子分析 ---因子分析中的EM步骤的推导过程 主成份分析：有效地降低维度的方法 因子分析 混合高斯模型的问题 接下来讨论因子分析模型，在介绍因子分析模型之前，先看高斯分布的另一种写法，该写法是推导因子分析模型的基础。 高斯分布的矩阵写法 因子分析模型 因子分析模型的推导 EM 求解参...
分类：
其他好文 时间：
2015-04-06 12:50:22
阅读次数：
140
一、简介
PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题时，比如经常用的图像的查询问题，在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时，我们通常的方法是对图像库中的图片提取响应的特征，如颜色，纹理，sift，surf，vlad等等特征，然后将其保存，建...
分类：
其他好文 时间：
2015-04-04 22:38:35
阅读次数：
205
主成分分析（Principal Component Analysis，PCA）是将多个变量通过线性变换以选出较少几个重要变量的多元统计分析方法。
原理：在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析...
分类：
其他好文 时间：
2015-04-04 00:02:08
阅读次数：
371
给定n个m维样本X-(1), X(2),…,X(n)，假设我们的目标是将这n个样本从m维降低到k维，并且尽可能保证这种降维的操作不会产生很大的代价（重要信息的丢失）。换句话说，我们要把n个样本点从m维空间投影到k维空间。对...
分类：
其他好文 时间：
2015-03-17 08:12:37
阅读次数：
656
模块名称：pca.pyPCA原理与紧致技巧原理待补。。。#-*-coding:UTF-8-*-'''Created on 2015年3月2日@author: Ayumi Phoenixch01 p-14 图像的主成分分析'''from PIL import Imageimport numpydef ...
分类：
其他好文 时间：
2015-03-04 00:50:59
阅读次数：
299
1、关键点综述：主成分分析 因子分析 典型相关分析，三种方法的共同点主要是用来对数据降维处理的从数据中提取某些公共部分，然后对这些公共部分进行分析和处理。#主成分分析 是将多指标化为少数几个综合指标的一种统计分析方法主成分分析是一种通过降维技术把多个变量化成少数几个主成分的方法，这些主成分能够反映原...
分类：
编程语言 时间：
2015-02-26 09:44:55
阅读次数：
193
摘要：目前经典的统计学分析方法主要有回归分析，Logistic回归，决策树，支持向量机，聚类分析，关联分析，主成分分析，对应分析，因子分析等，那么对于这些经典的分析方法在R中的使用主要有那些程序包及函数呢？1、线性模型~回归分析：【包】：stats 【函数】：lm(formula, data, .....
分类：
其他好文 时间：
2015-01-23 14:41:06
阅读次数：
407
