主成分分析PCA
降维的必要性 1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。 2.高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间，而在十维空间上只有0.02%。 3.过多的变量会妨碍查找规律的建立。 4.仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个组内。 降维的目的： 1.减少预测变量的
相关文章
- 1. pca主成成分分析
- 2. 主成成分分析-PCA
- 3. python主成分分析（PCA）
- 4. 主成分分析（PCA）
- 5. PCA主成分分析（上）
- 6. PCA主成分分析
- 7. 主成分分析(PCA)
- 8. PCA：主成分分析
- 9. 四、 主成分分析 PCA
- 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
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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. pca主成成分分析
- 2. 主成成分分析-PCA
- 3. python主成分分析（PCA）
- 4. 主成分分析（PCA）
- 5. PCA主成分分析（上）
- 6. PCA主成分分析
- 7. 主成分分析(PCA)
- 8. PCA：主成分分析
- 9. 四、 主成分分析 PCA
- 10. 主成分分析 PCA