一分鐘瞭解「主成分分析PCA」
主成分分析其實就是奇異值分解SVD在數據特徵提取上的應用. 如上圖,黑點是數據點,那麼長的那個紅箭頭就是數據最主要的方向,也就是最顯明/差異最明顯的特徵. 求法:就是對於所有數據,找出vi使得數據在vi方向上的方差最大,而且vi要滿足與v1~v(i-1)張成的空間正交. PCA與奇異值分解SVD的關係: 在<一分鐘瞭解"特徵值分解與奇異值分解SCD的區別">一文中,可知SVD可用於數據壓縮:
相關文章
- 1. pca主成成分分析
- 2. 主成成分分析-PCA
- 3. python主成分分析（PCA）
- 4. 主成分分析（PCA）
- 5. PCA主成分分析（上）
- 6. PCA主成分分析
- 7. 主成分分析(PCA)
- 8. PCA：主成分分析
- 9. 四、 主成分分析 PCA
- 10. 主成分分析 PCA
- 更多相關文章...
- • SVN分支 - SVN 教程
- • IP地址分配（靜態分配+動態分配+零配置） - TCP/IP教程
- • Git五分鐘教程
- • 算法總結-二分查找法
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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. pca主成成分分析
- 2. 主成成分分析-PCA
- 3. python主成分分析（PCA）
- 4. 主成分分析（PCA）
- 5. PCA主成分分析（上）
- 6. PCA主成分分析
- 7. 主成分分析(PCA)
- 8. PCA：主成分分析
- 9. 四、 主成分分析 PCA
- 10. 主成分分析 PCA