- 博客(1)
- 资源 (8)
- 收藏
- 关注
原创 主成分分析(PCA)原理及推导
在数据挖掘或者图像处理等领域经常会用到主成分分析,这样做的好处是使要分析的数据的维度降低了,但是数据的主要信息还能保留下来,并且,这些变换后的维两两不相关!至于为什么?那就接着往下看。在本文中,将会很详细的解答这些问题:PCA、SVD、特征值、奇异值、特征向量这些关键词是怎么联系到一起的?又是如何在一个矩阵上体现出来?它们如何决定着一个矩阵的性质?能不能用一种直观又容易理解的方式描述出来?
2014-12-30 12:24:31 88904 35
Iris数据集及KNN源码
2015-03-08
滑到底部自动加载的ListView
2014-09-01
Android仿多看阅读平移翻页
2014-08-21
Android水流波动效果WaveView使用demo
2014-08-14
水波纹标签云TagCloudDemo
2014-08-13
滚动选择器PickerView使用demo
2014-08-12
PullToRefreshLayout使用demo
2014-08-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人