1. PCA用来提取一个场的主要信息(主成分分量),而SVD一般用来分析俩个场的相关关系。俩者在具体的实现方法上也有不同,SVD是通过矩阵奇异值分解的方法分解俩个长的协方差矩阵的,而PCA是通过分解一个场的协方差举证
2. PCA可用于特征的压缩、降维;当然也能去噪等;如果将矩阵转置后再用PCA,相当于去除相关度过大的样本数据--但不常见;SVD能够对一般矩阵分解,并可用于个性化推荐内容。
1. PCA用来提取一个场的主要信息(主成分分量),而SVD一般用来分析俩个场的相关关系。俩者在具体的实现方法上也有不同,SVD是通过矩阵奇异值分解的方法分解俩个长的协方差矩阵的,而PCA是通过分解一个场的协方差举证
2. PCA可用于特征的压缩、降维;当然也能去噪等;如果将矩阵转置后再用PCA,相当于去除相关度过大的样本数据--但不常见;SVD能够对一般矩阵分解,并可用于个性化推荐内容。