![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
DataDog
这个作者很懒,什么都没留下…
展开
-
主成份分析(PCA)详解
主成分分析法(Principal Component Analysis)大多在数据维度比较高的时候,用来减少数据维度,因而加快模型训练速度。另外也有些用途,比如图片压缩(主要是用SVD,也可以用PCA来做)、因子分析等。具体怎么用,看个人需求如何,这篇文章主要解释一下PCA的原理。原创 2019-08-14 23:56:23 · 7658 阅读 · 6 评论 -
特征值的理解
前面两篇文章讲了PCA和SVD,发现要完全理解,必须要有一些矩阵的基础知识。在这里再补充一下自己对特征值的理解,希望对大家有所帮助,有不正确的地方,欢迎大家指出。原创 2019-08-14 00:45:37 · 4775 阅读 · 0 评论 -
奇异值分解SVD的理解与应用
本文对奇异值分解svd作了详细介绍,并列举了主成份分析PCA和数据压缩两个svd的实际应用案例,希望读者能对svd有一个比较具体的了解。原创 2015-12-30 11:55:21 · 6695 阅读 · 3 评论