機器學習筆記(四）PCA主成分分析
首先先複習一下要用到的基礎的知識： （一）、協方差和方差 樣本均值： 樣本方差： 樣本X和樣本Y的協方差： 協方差代表了兩個變量之間的相關關係，協方差爲正時，說明X和Y是正相關關係；協方差爲負時，說明X和Y是負相關關係；協方差爲0時，說明X和Y是相互獨立。Cov(X,X)就是X的方差。當樣本是n維數據時，它們的協方差實際上是協方差矩陣(對稱方陣)。例如，對於3維數據(x,y,z)，計算它的協方差就
相關文章
- 1. 機器學習筆記（十四）：主成分分析法（PCA）（2）
- 2. 機器學習----PCA主成分分析 學習筆記
- 3. 主成分分析（PCA）學習筆記
- 4. 主成分分析PCA學習筆記
- 5. 機器學習---主成分分析（PCA）
- 6. 機器學習筆記（十三）：主成分分析法（PCA）
- 7. 機器學習筆記16--pca主成分分析
- 8. 四、 主成分分析 PCA
- 9. 機器學習］學習筆記：PCA（主成分分析）的直觀理解
- 10. Python數據分析與機器學習-PCA主成分分析
- 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
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Git五分鐘教程
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
