PCA與LDA
注：這裏說的LDA實際上講的是Fisher linear discriminant analysis 在machine learning領域，PCA和LDA都可以看成是數據降維的一種方式。但是PCA是unsupervised，也就是說不需要知道sample對應的label，而LDA是supervised，需要知道每一個數據點對應的label。下面分別解釋PCA和LDA的基本原理 1.PCA PCA
相關文章
- 1. PCA與LDA
- 2. LDA PCA
- 3. PCA，LDA——簡述
- 4. PCA和LDA
- 5. 對比LDA,NCA,PCA
- 6. 降維（PCA、SVD、LDA）
- 7. 線性降維之LDA與PCA
- 8. 降維：LDA與PCA的簡析理解
- 9. 降維處理：PCA和LDA
- 10. 機器學習—PCA和LDA
- 更多相關文章...
- • XSL-FO 與 XSLT - XSL-FO 教程
- • PHP - AJAX 與 PHP - PHP教程
- • Composer 安裝與使用
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
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. PCA與LDA
- 2. LDA PCA
- 3. PCA，LDA——簡述
- 4. PCA和LDA
- 5. 對比LDA,NCA,PCA
- 6. 降維（PCA、SVD、LDA）
- 7. 線性降維之LDA與PCA
- 8. 降維：LDA與PCA的簡析理解
- 9. 降維處理：PCA和LDA
- 10. 機器學習—PCA和LDA