降维方法
文章平均质量分 69
@~@
这个作者很懒,什么都没留下…
展开
-
CCA
典型关联分析(Canonical Correlation Analysis, CCA) 原文链接:CCA1 原文链接:CCA2 典型相关分析(Canonical Correlation Analysis能够揭示两组变量之间的内在关系。 引入 在一元统计分析中,用相关系数来衡量两个随机变量的线性相关关系,用复相关系数研究一个随机变量与多个随机变量的线性相关关系。然而,这些方法均无法用于研究两组变量之间的相关关系,于是提出了CCA。其基本思想和主成分分析非常相似。首先,在每组变量中寻找出变量的线性组合,使得两组转载 2021-03-09 21:36:06 · 170 阅读 · 0 评论 -
PCA
主成分分析(PCA) 原文链接:PCA1 原文链接:PCA2 **PCA (principal components analysis)**是一种非监督学习的降维方法,降维就是一种对高维度特征数据预处理方法。降维是将高维度的数据保留下最重要的一些特征,去除噪声和不重要的特征(冗余和噪音),从而实现提升数据处理速度的目的。 主要思想:是将n维特征映射到kkk(小于nnn)维上,这k维是全新的正交特征也被称为主成分,是在原有nnn维特征的基础上重新构造出来的kkk维特征 (新的坐标系)。 基于特征值分解协方差矩转载 2021-03-09 16:25:04 · 82 阅读 · 0 评论