![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据降维
文章平均质量分 97
xia ge tou lia
致力于数据分析行业~
展开
-
多元统计分析——数据降维——Fisher线性判别分析(LDA)
一、LDA的思想LDA是一种监督学习的降维技术,也就是说它的数据集的每个样本是有类别输出的。这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括,就是“投影后类内方差最小,类间方差最大”。什么意思呢? 我们要将数据在低维度上进行投影,投影后希望每一种类别数据的投影点尽可能的接近,而不同类别的数据的类别中心之间的距离尽可能的大。二、LDA vs PCALDA用于降维,和PCA有很多相同,也有很多不同的地方,因此值得好好的比较一下两者的降维异同点。 ..原创 2020-05-20 16:14:53 · 12563 阅读 · 2 评论 -
机器学习——数据降维——主成分分析(PCA)和奇异值分解(SVD)
一、主成分分析(PCA)主成分分析,Principal Component Analysis (PCA),是现代数据分析的标准工具,它可以把庞大复杂的高维数据集,通过数学变换,转化成较低维度的数据集,并去除掉维度之间的相关性。1、PCA原理主成分分析的原理非常简单,概括来说就是选择包含信息量大的维度,去除信息量少的“干扰”维度。注意:这边所谓的“维度”不是原始数据的某个特征,而是原...原创 2020-04-18 17:55:23 · 6785 阅读 · 0 评论