主成分分析（PCA）与Kernel PCA

时间 2021-01-07

标签主成分分析 PCA Kernel KPCA 繁體版

原文原文链接

本博客在之前的文章【1】中曾经介绍过PCA在图像压缩中的应用。其基本思想就是设法提取数据的主成分（或者说是主要信息），然后摒弃冗余信息（或次要信息），从而达到压缩的目的。本文将从更深的层次上讨论PCA的原理，以及Kernel化的PCA。首先我们来考察一下，这里的信息冗余是如何体现的。如下图中的左图所示，我们有一组二维数据点，从图上不难发现这组数据的两个维度之间具有很高的相关性。因为这种相关性，我

>>阅读原文<<

1. 主成分分析（PCA）与Kernel PCA
2. 转--核主成分分析（Kernel-PCA）
3. 主成分分析PCA和核化线性降维kernel PCA
4. pca主成成分分析
5. 主成成分分析-PCA
6. python主成分分析（PCA）
7. 主成分分析（PCA）
8. PCA主成分分析（上）
9. PCA主成分分析
10. 主成分分析(PCA)
更多相关文章...
• SVN分支 - SVN 教程
• IP地址分配（静态分配+动态分配+零配置） - TCP/IP教程
• Git五分钟教程
• 算法总结-二分查找法