PCA
在講解PCA以前，首先提供一些關於矩陣的小知識 均值： html ave(x)=∑mi=1xim 協方差： python cov(x,y)=∑mi=1(xi−ave(x))(yi−ave(yi))m−1 cov(x,x)=∑mi=1(xi−ave(x))(xi−ave(xi))m−1=Dx 推導： cov(x,y)=E(x−Ex)(y−Ey) =E(xy−yEx−xEy+ExEy) =Exy−Ex
相關文章
- 1. Pca
- 2. PCA
- 3. pca
- 4. 核PCA(Kernel PCA)詳述
- 5. Robust PCA
- 6. 7.1-PCA
- 7. PCA revisit
- 8. LDA PCA
- 9. PCA與Kernel PCA介紹與對比
- 10. 主成分分析（PCA）與Kernel PCA
- 更多相關文章...
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
- 2. PCA
- 3. pca
- 4. 核PCA(Kernel PCA)詳述
- 5. Robust PCA
- 6. 7.1-PCA
- 7. PCA revisit
- 8. LDA PCA
- 9. PCA與Kernel PCA介紹與對比
- 10. 主成分分析（PCA）與Kernel PCA