- 博客(2)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 LDA（Linear Discriminant Analysis）
计算每个类别的均值μi\mu_iμi，全局样本均值μ\muμ 计算类内散度矩阵SwS_wSw,全局散度矩阵StS_tSt,类间散度矩阵SbS_bSb 对矩阵Sw−1SbS_{w}^{-1}S_bSw−1Sb做特征值分解 取最大的d’个特征值所对应的特征向量 计算投影矩阵 ...
2020-09-18 09:49:19
187
原创 PCA降维
PCA过程 1、首先对数据集矩阵中心化，用每个维度的数分别减去该维度的均值。 2、计算协方差矩阵，当数据中心化以后，矩阵X\mathbf{X}X的协方差矩阵就等于1n\frac{1}{n}n1X\mathbf{X}X XT\mathbf{X}^\mathrm{T}XT = 1n∑i,j=1nxiT⋅xj\frac{1}{n}\sum_{i,j=1}^{n}x_i^T\cdot x_jn1∑i,j=1nxiT⋅xj。 3、特征分解得到协方差矩阵的特征值和特征向量。假设通过线性变换u1u_1u1
2020-09-10 22:50:06
272
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人