PCA主元分析方法描述

时间 2021-01-16

标签 PCA 机器学习繁體版

原文原文链接

主元分析也就是PCA，主要用于数据降维。通过去中心化和线性变换，将多维度的特征转换通过投影（坐标转换）成几个主成分特征，这个主成分特征是原来特征的线性变换。主成分称为它们称作“主元1”、“主元2”。多维度特征直接有一定相关性！！主成分分析法就是将多个（比如20个）特征的有用信息提取出来，综合成1个到3个指标，这个1到3个指标可以反映20个指标的绝大部分信息。缺点： 3个指标无法完全替

>>阅读原文<<

1. PCA主元分析法人脸识别概述性小结
2. PCA(主成分分析方法)
3. 主成分分析（PCA）方法
4. PCA主成分分析原理简述
5. 如何理解主元分析（PCA）？
6. 主成分分析（PCA）与Kernel PCA
7. 主成分分析法PCA——MATLAB实现
8. 压缩算法--PCA主成分分析
9. 降维算法-PCA主成分分析
10. 主成分分析|PCA算法大全
更多相关文章...
• RDF 主要元素 - RDF 教程
• 使用TCP协议扫描主机 - TCP/IP教程
• 算法总结-二分查找法
• 常用的分布式事务解决方案