解决人工智能PCA算法输出不稳定的方案

微信公众号：湾区人工智能
作者：Cottbuser 会多国语言的海归
一线人工智能工程师独立兼职运营
关注可了解更多人工智能资讯。问题或建议，请公众号留言
如果你觉得本文对你有帮助，欢迎点赞，转发，赞赏

内容目录

PCA算法不稳定的原因代码举例分析：解决方案：

PCA算法不稳定的原因

神经网络算法利用了随机性，比如初始化随机权重，因此用同样的数据训练同一个网络会得到不同的结果。
神经网络特意用随机性来保证，能通过有效学习得到问题的近似函数。采用随机性的原因是：用它的机器学习算法，要比不用它的效果更好。
在神经网络中，随机初始化很常见，比如：最优化的随机性，比如随机优化；正则化的随机性，比如 dropout；初始化的随机性，比如权值

代码举例分析：

以下代码提取三维矩阵640*640*128中的二维640*640，然后对这个二维数组降维输出640*3

from sklearn.decomposition i