SVD 与 PCA 的直观解释(4): PCA 主成分分析

白巧克力亦唯心

于 2014-05-24 00:41:53 发布

阅读量5.8k

点赞数 1

文章标签： PCA 直观理解 SVD

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/heyijia0327/article/details/26763903

版权

本文深入探讨了特征向量空间的概念及其在主成分分析(PCA)中的应用，并通过奇异值分解(SVD)的方法解释了PCA背后的数学原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这部分主要讲解特征向量空间和SVD分解在PCA中的应用。

reference：

A Tutorial on Principal Component Analysis .pdf (通俗易懂)

http://math.stackexchange.com/questions/3869/what-is-the-intuitive-relationship-between-svd-and-pca

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。