PCA主成份分析 (principal component analysis)
-
为何降维???
1. 为了可视化 2.为了找到问题的主要矛盾:数据压缩
-
PCA基本思想
找一个k维的平面,原始数据都投影到这个平面上来,s.t.内积的error最小
note that:lr和pca不同 ,lr是垂直的,pca是投影的
-
算法具体内容
1.预处理:feature scaling(不同feature放同一个量级上)/mean(均值零)
2.算相关系数矩阵sigma,然后奇异值分解得u,取前面k个就行了 ,至于k怎么取,就看你想对数据有多少代表性了,99%k就取多一点,85%k就少一点
-
重建数据
俩式子。k越大,重建就相似度就越大,等于n就100%重建了。
-
一些提醒
用pca大法降维后就可以用别的方法了。pca先用在无标签的 x,后续就根据需要选择算法,是想无监督还是监督,无所谓。
不好的使用方法:1.用pca防过拟合。还是用正则话吧。。
2.别一上来就用pca。先用raw data吧。