機器學習之PCA主成分分析

PCA思想 PCA 將高維的數據通過線性變換投影到低維空間上去。 投影思想:找出最能夠代表原始數據的投影方法。被 PCA 降掉的那些維度只能是那些噪聲或是冗餘的數據。 去冗餘：去除可以被其他向量代表的線性相關向量,這部分信息量是多餘的。 去噪聲：去除較小特徵值對應的特徵向量,特徵值的大小反映了變換後在特徵向量方向上變換的幅度,幅度越大,說明這個方向上的元素差異也越大,要保留。 對⻆化矩陣：尋找極大

>>阅读原文<<