pca
7. PCA算法总结 这里对PCA算法做一个总结。作为一个非监督学习的降维方法，它只需要特征值分解，就可以对数据进行压缩，去噪. PCA算法的主要优点有： 1）仅仅需要以方差衡量信息量，不受数据集以外的因素影响。 2）各主成分之间正交，可消除原始数据成分间的相互影响的因素。 3）计算方法简单，主要运算是特征值分解，易于实现。 PCA算法的主要缺点有
相关文章
- 1. Pca
- 2. PCA
- 3. 核PCA(Kernel PCA)详述
- 4. Robust PCA
- 5. 7.1-PCA
- 6. PCA revisit
- 7. LDA PCA
- 8. PCA与Kernel PCA介绍与对比
- 9. 主成分分析（PCA）与Kernel PCA
- 10. PCA与LDA
- 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. 核PCA(Kernel PCA)详述
- 4. Robust PCA
- 5. 7.1-PCA
- 6. PCA revisit
- 7. LDA PCA
- 8. PCA与Kernel PCA介绍与对比
- 9. 主成分分析（PCA）与Kernel PCA
- 10. PCA与LDA