PCA主成分分析学习

PCA训练的一般方法步骤从应用的角度实现降维:

1.那原始数据的每一个样本用一个向量表示,然后所有的样本组合起来就构成了一个矩阵,为了避免样本收到单位的影响,样本需要标准化。

2.求该矩阵的协方差矩阵。所谓协方差就是cov(X,Y)比较向量X Y的相关性,有正相关和负相关,0表示不相关。cov=sum[(Xi-mean(X))*(Yi-mean(Y))]/(n-1)

若X=Y,cov为方差。

3.求协方差矩阵的特征值和特征向量,特征值和特征向量 :AX=λX,于是有:( A-λE)X=0;有解得条件是: A-λE|=0    ~~λ是方阵A的特征值,X是A的特征向量

      4.讲求得的特征向量按照特征值的大小进行组合成一个映射矩阵(当我们取到矩阵的前N个最大的特征值的时候,我们可以说提取到的矩阵主要的成分),并根据指定PCA保留的特征个数取映射矩阵的前n行(列),作为最终映射矩阵。           5.用最终的映射矩阵对原始数据进行映射,达到降维目的

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- PCA:是无监督学习,LAD有监督学习,未完待续~~~~

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值