什么是PCA?

最新推荐文章于 2024-01-01 13:48:40 发布
最新推荐文章于 2024-01-01 13:48:40 发布
阅读量706 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Thumb_/article/details/111295357
版权

主成分分析

  • 一个非监督的机器学习算法
  • 主要用于数据的降维
  • 通过降维，可以发现更便于人类理解的特征
  • 其他应用：可视化；去噪
    在这里插入图片描述
  • 对于上图，如何找到这个样本间间距最大的轴？
  • 如何定义样本间间距？
  • 使用方差在这里插入图片描述
    找到一个轴，使得样本空间的所有点映射到这个轴后，方差最大
    在这里插入图片描述
    将样例的均值归为0（demean）【所有样本减去这批样本的均值】
    在这里插入图片描述
    此时
    在这里插入图片描述
    在这里插入图片描述
    即在这里插入图片描述
    此时![在这里插入图片描述](https://img-blog.csdnimg.cn/20201216191724428.png
    这就成了一个目标函数的最优化问题，可以使用梯度上升法解决。

不要将 PCA 和 线性回归 搞混了

在这里插入图片描述在这里插入图片描述

_卷心菜_
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
什么是PCA？何时应该使用PCA？PCA是如何工作的？
01-20
　因此，我打算讲述下PCA的3W1H：什么是PCA（What），何时应用PCA（When），PCA如何工作（How），为什么PCA有效（Why）。另外，我也将提供一些深入解释这一主题的资源。我特别想要呈现这一方法的原理
RobustPCA?
07-27
E. J. Candes, Xiaodong Li, Yi Ma, John Wright09年那片nb论文
机器学习——PCA降维（我至今为止遇见的最好的博文）
邹小驴
09-07 5万+
参考文章：https://zhuanlan.zhihu.com/p/77151308 PCA（Principal Component Analysis） 是一种常见的数据分析方式，常用于高维数据的降维，可用于提取数据的主要特征分量。 PCA 的数学推导可以从最大可分型和最大重构性两方面进行，前者的优化条件为划分后方差最大，后者的优化条件为点到划分平面距离最小。由于基于最大重构性的 PCA 其与...
PCA详解
chenjunheaixuexi的博客
06-04 1万+
PCA，即主成分分析，通常用于数据的降维、去噪，可以有效地解决过拟合问题，提高训练效率
主成分分析（PCA）原理详解
热门推荐
李春春的专栏
03-04 46万+
机器学习中有关特征选择的问题，其实就是要剔除和类标签无关的特征，去除噪声或者冗余。在这种情况下，需要一种特征降维的方法来减少特征数，减少噪音和冗余，减少过度拟合的可能性。PCA的思想是将n维特征映射到k维上（k<n），这k维是全新的正交特征。这k维特征称为主成分，是重新构造出来的k维特征，而不是简单地从n维特征中去除其余n-k维特征。现在的问题是，对于很高维数据，你能想象其分布吗？就算能描述分布，如何精确地找到这些主成分的轴？如何衡量你提取的主成分到底占了整个数据的多少信息？所以，我们就要用到主成分分析的处
主成分分析（PCA）详解
weixin_60737527的博客
06-06 9万+
主成分分析（PCA）原理与应用
PCA算法详解——化繁为简
weixin_44167798的博客
08-30 1万+
一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 一、前言 老鹰是一个三维立体实物，而图片是二维的，但我们能一眼识别出上图是一只老鹰而非鹌鹑，可见对于某些高维的数据，我们可以在低维空间下识其概貌，对其有个清晰的认知。然而，当我们沿老鹰翅尖拍摄一张照片，我们可能并不能很容易地看出这是一只老鹰。归其原因，拍摄的角度不同，导致最终的结果不同，在第一种情况下，图片保留...
pca9539.zip
01-07
PCA9539是一款由NXP（原飞利浦）公司生产的I²C接口的多路模拟开关和逻辑电平转换器。这个芯片在电子工程领域广泛应用，特别是在嵌入式系统设计中，用于控制和扩展GPIO（通用输入/输出）接口。在本压缩包文件中，...
PCA_pca_
10-04
PCA，即主成分分析（Principal Component Analysis），是一种广泛应用于数据分析领域的统计方法，主要目标是将高维数据通过线性变换转换为一组线性不相关的低维特征，同时尽可能保留原始数据的信息。PCA在数据预处理...
PCA9685_PCA9685_
09-30
PCA9685是一款常用的16通道脉宽调制（PWM）控制器，广泛应用于电子制作、机器人和无人机等领域，尤其适合驱动舵机等需要精确控制角度的设备。在本项目中，我们将围绕PCA9685及其在STM32F103C8T6微控制器上的应用进行...
PCA （主成分分析）详解 （写给初学者） 结合matlab
saishangxue123的专栏
01-19 2万+
本文转自：http://hi.baidu.com/ifengzh/item/8851b6387aebefc4382ffa60 PCA （主成分分析）详解 （写给初学者） 结合matlab 一、简介         PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题
PCA的数学原理
wxing2008666的专栏
06-28 6352
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。 当然我并不打算把文章写成纯数
主成分分析法PCA介绍及其基本原理
weixin_43175007的博客
02-23 1821
PCA的主要目的：降维 在许多领域的研究学习中，往往需要同时是处理大批量的数据以进行研究。这些数据的处理是有很多维的，处理起来非常困难，即使交给计算机也需要很复杂的算法。如果不同变量之间有复杂的相关性，算法则会更加复杂，难以处理。显然也不能单独对各个变量进行分析。这种情况下，需要另辟蹊径。 这里需要一种方法，可以在减少运算复杂性的同时尽量最最小化损失的信息量，也就是PCA了。 所谓减少运算复杂性，...
PCA的本质----特征值分解
Sunshine_in_Moon的专栏
05-27 1万+
相信大家对PCA并不陌生，但是PCA的本质你是否了解呢？今天就给大家简单讲讲，也是自己对PCA的一个巩固。博客中使用的图片来自七月算法的程博士的PPT，在此感谢程博士课上的耐心讲解。      1、特征值个特征向量     我相信大家对于这个式子非常熟悉，但是你真正的理解这个式子了吗？特征向量和特征值到底有什么意义呢？说实话，在听程博士的课之前我一直迷惑，不过现在懂了。     首先，我们
最通俗易懂的PCA主成分分析推导
u012526436的博客
06-30 2万+
前言 说到PCA你是不是第一时间想到的是对协方差矩阵做特征值分解，但是为什么这么做呢？之前看过的大部分PCA博文也都是只简单介绍了PCA的流程，对其中的推导过程与原理并没有详细介绍，这篇文章的目的是从数学的角度，手推PCA每一个步骤，帮助读者了解PCA的工作机制是什么。文中的某些数学公式，可能会对某些读者产生不适，我会尽可能的用白话把其中原理讲解的通俗易懂。 PCA简介 PCA（Prin......
深入理解PCA（主成分分析）
qq_62110701的博客
01-01 639
PCA是一种统计学方法，其目的是通过线性变换将高维数据集转换为低维空间，同时保留尽可能多的信息。通过PCA，我们可以找到数据中最重要的特征，这些特征被称为主成分。主成分是原始特征的线性组合，其具有最大的方差。因此，通过保留前几个主成分，我们可以实现数据的降维。本文对PCA的基本概念、数学原理和应用场景进行了详细介绍，并通过Python代码示例展示了如何实现PCA。能够更好地理解和应用这一强大的数据分析工具。在实际应用中，还需根据具体问题调整PCA的参数，以达到最佳效果。
30-什么是 PCA
qq_41033011的博客
10-16 1575
回顾   上一章主要是系统的学习了梯度下降法，梯度下降法主要是寻找一个目标函数它相应的一个最优解的方式，不管是寻找损失函数的最小值，还是寻找效用函数的最大值。那么这一章主要是学习另外一种梯度的应用，就是应用在主成分分析上。 主成分分析（PCA）   主成分分析是一种非常有名的算法，这个算法本身不仅仅应用在机器学习领域，也是统计学领域一个非常重要的方法。主成分分析法我们又简称为 PCA（Principal Component Analysis）。   PCA 是一个非监督的机器学习算法，它的作用主要用于数据
PCA原理
PiggyGaGa的博客
05-31 11万+
PCA 各位，久违了～ 什么是PCA？ 什么是PCA呢？这是一个问题，什么样的问题？简单而又复杂的问题，简单是因为百度一下就会出现一大堆的解释，复杂是因为它里面蕴含的内容还是很多的，值得我们仔细研究研究。 PCA 取自其英文的三个单词的首字母：Principle component analysis。中文名字：主成分分析。恐怕大家很早就知道PCA是个什么东东，并且还用过matlab、python、...
主成分分析(PCA)原理及推导
学无常师，负笈不远险阻
12-30 8万+
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？
PCA_PLSR是什么？
最新发布
04-26
PCA（Principal Component Analysis）和PLSR（Partial Least Squares Regression是两种常用的数据分析方法。 PCA是一种无监督学习方法，用于降低数据维度。它通过线性变换将原始数据投影到一个新的坐标系中，使得...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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