機器學習 之PCA(主成分分析)
PCA能做的事其實很有限，那就是：降維。爲什要降維呢？很明顯，數據中有些內容沒有價值，這些內容的存在會影響算法的性能，和準確性。 看這兩個圖，就說明了降維的意義，越降維，維度就會越有意義。這樣只取x2的值(投影)，就從二維降維到了一維。主成分分析可以讓數據的投影到那些數據分佈儘可能分散(信息最大)的平面上，比如上圖的y1，從而忽視y2的作用，進而達到降維的目的。 說是降維，實際上就是座標變換+去掉
相關文章
- 1. 機器學習---主成分分析（PCA）
- 2. 機器學習之十七：PCA（主成成分分析）
- 3. 機器學習之 PCA(主成分分析)
- 4. 機器學習之主成分分析PCA（降維）
- 5. 機器學習之PCA主成分分析
- 6. 機器學習——特徵工程之主成分分析PCA
- 7. 機器學習(27)【降維】之主成分分析(PCA)詳解
- 8. 機器學習實戰之主成分分析（PCA）
- 9. 機器學習之主成分分析（PCA）
- 10. 機器學習之PCA：主成分分析（一、算法原理）
- 更多相關文章...
- • IP地址分配（靜態分配+動態分配+零配置） - TCP/IP教程
- • SVN分支 - SVN 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
