PCA
在讲解PCA以前，首先提供一些关于矩阵的小知识 均值： html ave(x)=∑mi=1xim 协方差： python cov(x,y)=∑mi=1(xi−ave(x))(yi−ave(yi))m−1 cov(x,x)=∑mi=1(xi−ave(x))(xi−ave(xi))m−1=Dx 推导： cov(x,y)=E(x−Ex)(y−Ey) =E(xy−yEx−xEy+ExEy) =Exy−Ex
相关文章
- 1. Pca
- 2. PCA
- 3. pca
- 4. 核PCA(Kernel PCA)详述
- 5. Robust PCA
- 6. 7.1-PCA
- 7. PCA revisit
- 8. LDA PCA
- 9. PCA与Kernel PCA介绍与对比
- 10. 主成分分析（PCA）与Kernel PCA
- 更多相关文章...
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. Pca
- 2. PCA
- 3. pca
- 4. 核PCA(Kernel PCA)详述
- 5. Robust PCA
- 6. 7.1-PCA
- 7. PCA revisit
- 8. LDA PCA
- 9. PCA与Kernel PCA介绍与对比
- 10. 主成分分析（PCA）与Kernel PCA