PCA和LDA
PCA和LDA PCA（principal component analysis）：主成分法分析法，降维是减少的特征，数据行数没变，只是将列数减少了 让数据维度变的低一些，在低维中有利于更好的概括数据 LDA线性判别分析是有监督的问题，根据 类别选择降维的方向（回头看视频是怎么将的），基于标签进行降维 PCA是无监督的问题，没有标检，基于方差进行降维 原始数据在某个维度上非常密集，全部堆叠在一起，
相关文章
- 1. LDA PCA
- 2. 降维处理：PCA和LDA
- 3. 机器学习—PCA和LDA
- 4. PCA与LDA
- 5. PCA，LDA——简述
- 6. EM和PCA和LDA和Ensemble Learning
- 7. 对比LDA,NCA,PCA
- 8. 降维（PCA、SVD、LDA）
- 9. PCA和LDA以及之间的区别
- 10. PCA和LDA之直观理解
- 更多相关文章...
- • XLink 和 XPointer 语法 - XLink 和 XPointer 教程
- • Kotlin 类和对象 - Kotlin 教程
- • IntelliJ IDEA 代码格式化配置和快捷键
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. LDA PCA
- 2. 降维处理：PCA和LDA
- 3. 机器学习—PCA和LDA
- 4. PCA与LDA
- 5. PCA，LDA——简述
- 6. EM和PCA和LDA和Ensemble Learning
- 7. 对比LDA,NCA,PCA
- 8. 降维（PCA、SVD、LDA）
- 9. PCA和LDA以及之间的区别
- 10. PCA和LDA之直观理解