PCA和LDA
PCA和LDA PCA（principal component analysis）：主成分法分析法，降維是減少的特徵，數據行數沒變，只是將列數減少了 讓數據維度變的低一些，在低維中有利於更好的概括數據 LDA線性判別分析是有監督的問題，根據 類別選擇降維的方向（回頭看視頻是怎麼將的），基於標籤進行降維 PCA是無監督的問題，沒有標檢，基於方差進行降維 原始數據在某個維度上非常密集，全部堆疊在一起，
相關文章
- 1. LDA PCA
- 2. 降維處理：PCA和LDA
- 3. 機器學習—PCA和LDA
- 4. PCA與LDA
- 5. PCA，LDA——簡述
- 6. EM和PCA和LDA和Ensemble Learning
- 7. 對比LDA,NCA,PCA
- 8. 降維（PCA、SVD、LDA）
- 9. PCA和LDA以及之間的區別
- 10. PCA和LDA之直觀理解
- 更多相關文章...
- • XLink 和 XPointer 語法 - XLink 和 XPointer 教程
- • Kotlin 類和對象 - Kotlin 教程
- • IntelliJ IDEA 代碼格式化配置和快捷鍵
- • 適用於PHP初學者的學習線路和建議
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. LDA PCA
- 2. 降維處理：PCA和LDA
- 3. 機器學習—PCA和LDA
- 4. PCA與LDA
- 5. PCA，LDA——簡述
- 6. EM和PCA和LDA和Ensemble Learning
- 7. 對比LDA,NCA,PCA
- 8. 降維（PCA、SVD、LDA）
- 9. PCA和LDA以及之間的區別
- 10. PCA和LDA之直觀理解