Principal Component Analysis

Principal Component Analysis PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。 在PCA中,我们的基本思想是将所有数据投影到一个子空间中,从而达到降维的目标,为了寻找这个子空间,我们的基本想法是: 所有数据在子空间中更加分散(最大方差理论) 损失的信息最少(最小平方误差理论) 0.预备知识 假设数据矩阵 X
相关文章
相关标签/搜索