机器学习笔记(四）PCA主成分分析
首先先复习一下要用到的基础的知识： （一）、协方差和方差 样本均值： 样本方差： 样本X和样本Y的协方差： 协方差代表了两个变量之间的相关关系，协方差为正时，说明X和Y是正相关关系；协方差为负时，说明X和Y是负相关关系；协方差为0时，说明X和Y是相互独立。Cov(X,X)就是X的方差。当样本是n维数据时，它们的协方差实际上是协方差矩阵(对称方阵)。例如，对于3维数据(x,y,z)，计算它的协方差就
相关文章
- 1. 机器学习笔记（十四）：主成分分析法（PCA）（2）
- 2. 机器学习----PCA主成分分析 学习笔记
- 3. 主成分分析（PCA）学习笔记
- 4. 主成分分析PCA学习笔记
- 5. 机器学习---主成分分析（PCA）
- 6. 机器学习笔记（十三）：主成分分析法（PCA）
- 7. 机器学习笔记16--pca主成分分析
- 8. 四、 主成分分析 PCA
- 9. 机器学习］学习笔记：PCA（主成分分析）的直观理解
- 10. Python数据分析与机器学习-PCA主成分分析
- 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
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Git五分钟教程
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
