1. PCA是什么?
PCA,全称Principal Component Analysis(主成分分析)。主成分分析法本身是一个非监督的机器学习算法,主要用于数据的降维。降维可以发现更便于人们理解的特征。主成分分析法也有其他应用:如可视化;去噪。
举例:
如图所示有二维平面,横轴和纵轴分别代表不同特征,坐标上有如下样本。
要将此二维特征进行降维,则考虑以下两种方式:
(1)若抛弃特征2,保留特征1进行降维:
(2)若抛弃特征1,保留特征2进行降维:
PCA,全称Principal Component Analysis(主成分分析)。主成分分析法本身是一个非监督的机器学习算法,主要用于数据的降维。降维可以发现更便于人们理解的特征。主成分分析法也有其他应用:如可视化;去噪。
如图所示有二维平面,横轴和纵轴分别代表不同特征,坐标上有如下样本。
要将此二维特征进行降维,则考虑以下两种方式:
(1)若抛弃特征2,保留特征1进行降维:
(2)若抛弃特征1,保留特征2进行降维: