深度学习（花书）学习笔记——第十三章 线性因子模型

线性因子模型通常用作其他混合模型的组成模块，用于描述数据生成过程。

各种线性因子模型的主要区别在先验概率不一样。概率PCA服从高斯先验。

独立成分分析不服从高斯先验。其功能类似em算法。用于分离特征。区别？

慢特征分析（SFA）源于慢性原则。

稀疏编码可以进行特征选择。

PCA就像在一个流体上按照最大横截面积切了，然后最长的方向就是主成分，正交的最长的就是次长，类推。

具体这张是什么意义就没看懂。。。