PCA 原理
转载自here 深度学习中自编码（AutoEncoder）(也是无监督学习，因为不需要y标签)已经超越了PCA，也是降维的效果 1.数据向量表示及降维问题 举个例子: 假如某学籍数据有两列M和F，其中M列的取值是如何此学生为男性取值1，为女性取值0；而F列是学生为女性取值1，男性取值0。此时如果我们统计全部学籍数据，会发现对于任何一条记录来说，当M为1时F必定为0，反之当M为0时F必定为1。在这种
相关文章
- 1. 【C++】PCA原理
- 2. PCA原理
- 3. PCA原理 statQuest
- 4. PCA原理详解
- 5. PCA原理补充
- 6. PCA原理解析
- 7. PCA原理简述
- 8. PCA 原理及 Python 实现
- 9. PCA的数学原理
- 10. 数据挖掘--PCA原理
- 更多相关文章...
- • MyBatis的工作原理 - MyBatis教程
- • BASE原理与最终一致性 - NoSQL教程
- • ☆技术问答集锦（13）Java Instrument原理
- • Java Agent入门实战（三）-JVM Attach原理与使用
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. 【C++】PCA原理
- 2. PCA原理
- 3. PCA原理 statQuest
- 4. PCA原理详解
- 5. PCA原理补充
- 6. PCA原理解析
- 7. PCA原理简述
- 8. PCA 原理及 Python 实现
- 9. PCA的数学原理
- 10. 数据挖掘--PCA原理