PCA vs LDA

最新推荐文章于 2022-12-29 23:10:37 发布
最新推荐文章于 2022-12-29 23:10:37 发布
阅读量196 收藏
点赞数
分类专栏： Machine Learning 文章标签： Machine Learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33895792/article/details/83254885
版权

1. The differences between PCA and LDA:

    a.PCA has a bad discriminability between different classes, but it has  high variance in one class.

    b.LDA has a good discriminability between different classes, but it has low variance in one class.

2.The similarities between PCA and LDA:

    a.Both rank the new axis in order  of importance.

    b.Both can let you dig in and see which features are driving the new axis.  

    c.Both try to reduce dimensions.

尧尧1988
关注
专栏目录
机器学习之降维方法：PCA和LDA的区别
平原的博客
08-10 1万+
一、PCA（主成分分析） 二、LDA（线性判别分析） 1、二类LDA原理 2、多类LDA原理 3、LDA算法流程 4、LDA算法小结 三、 LDA 和 PCA区别 一、PCA（主成分分析） PCA是一种无监督的数据降维方法 降维是对数据高维度特征的一种预处理方法。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，从而实现提升数据处理速度的目的。在实际的生...
机器学习—PCA和LDA
cy925777075的博客
08-16 423
本篇文章介绍一下机器学习中最为常见的数据降维技术PCA和LDA，随着深度学神经网络的发展PCA和LDA的应用几乎越来越少了，尤其是LDA，但是这两种降维的思想还是值得我们学习的。 PCA 主成分分析（PCA）是一种无监督学习的降维方法，其主要思想非常非常简单，即寻找一组正交基对原始数据进行线性变换，使变换后的数据在某一个正交基方向上方差最大，从而尽最大可能地将原始数据投影到该方向上，如下图。 那么，我们如何找到这组正交基呢？ 别急，在寻找正交基之前，我们还需要对数据进行中心化预处理，将所有数据搬移到坐标原
PCA vs. LDA
chiyong5196的博客
05-25 216
LDA与PCA的区别，LDA提供了一些关于类别的信息，比如说，各个类别的大约比例。而且LDA尽量保留类别之间的区别，而PCA尽量展示样本信息。 PCA通常需要对数据进行标准化[R: scale()]，但是LCA不需要，只不过，如果事先也对数据标准化方便对数据进行解释。 PCA分析返回的五个属性...
pca 和lda区别
热门推荐
chivalry
10-15 5万+
http://blog.csdn.net/scyscyao/article/details/5987581 这学期选了门模式识别的课。发现最常见的一种情况就是，书上写的老师ppt上写的都看不懂，然后绕了一大圈去自己查资料理解，回头看看发现，Ah-ha，原来本质的原理那么简单，自己一开始只不过被那些看似formidable的细节吓到了。所以在这里把自己所学的一些点记录下来，供备忘，也供参考
PCA与LDA
qq_34555202的博客
08-21 463
注：这里说的LDA实际上讲的是Fisher linear discriminant analysis 在machine learning领域，PCA和LDA都可以看成是数据降维的一种方式。但是PCA是unsupervised，也就是说不需要知道sample对应的label，而LDA是supervised，需要知道每一个数据点对应的label。下面分别解释PCA和LDA的基本原理 1.PCA ...
传统机器学习-PCA VS LDA（线性判别分析）
xuanshuang的博客
03-31 483
1-什么是PCA PCA是一个非监督的机器学习算法，主要用于数据将为，也可用于可视化和去噪。 我们想要在降维后样本保持一个比较好的区分。例如降到一维，如何找到让样本间间距最大的轴？我们可以使用方差来代表样本间的间距（因为方差可以描述样本的疏密程度）。则问题变为找到一个轴，使得样本间的所有点映射到这个轴后，方差最大。 去完均值后，每一维的均值均为0，则方差由 （图一），其中均值为0，则（...
基于PCA和LDA融合算法的性别鉴别
11-04
摘要: 结合主元分析（PCA）与线性鉴别分析（LDA）的特点，利用PCA-LDA算法进行性别鉴别。通过PCA算法求得训练样本的特征子空间，并在此基础上计算出LDA算法的特征子空间。将PCA算法与LDA算法的特征子空间进行融合，...
基于PCA-LDA光谱数据的降维处理,高光谱图像pca降维,matlab
09-10
本主题聚焦于“基于PCA-LDA光谱数据的降维处理”，这涉及到两种广泛使用的统计学方法：主成分分析（PCA）和线性判别分析（LDA）。以下是对这两个方法以及它们在高光谱图像处理中的应用的详细解释。 首先，主成分...
pca_lda.rar_LDA c++_LDA 车牌_LDA实现_pca lda vc_pca+lda
09-14
PCA（主成分分析）与LDA（线性判别分析）是两种常见的数据降维方法，在机器学习和图像处理领域有着广泛的应用。本压缩包文件包含C++实现的LDA算法，特别针对车牌定位的问题，同时也涉及到PCA和LDA的结合使用。下面将...
facedetection.rar_LDA人脸_PCA _LDA_PCA-LDA matlab_pca detection_最小
07-14
PCA（主成分分析）与LDA（线性判别分析）是两种常用的数据降维方法，在计算机视觉领域，特别是人脸识别中发挥着重要作用。本压缩包包含的资源是关于PCA、LDA以及基于这两种方法的人脸检测算法的Matlab实现。 **PCA...
PCA_ICA_LDA详细介绍与比较
09-02
还在为PCA、ICA、LDA而烦恼吗，作为一个机器学习与模式识别方向的研究生，这三个术语困扰了我很久，自己在网上找了很多的资料，最后发现了这个超级棒的ppt，讲得很清楚明了。好资料当然要相互分享嘛，希望这个ppt同样对大家有所帮助。
PCA与LDA比较
11-19 955
本文用于理解机器学习中常见的两种降维方法，主成分分析和线性判别分析，并对两者进行简单的对比。 基本目录如下： 什么是PCA？ 1.1 先导数学知识准备 1.2 PCA基本概念理解 1.3 PCA推导之最大方差理论 什么是LDA？ 2.1 LDA基本概念理解 2.2 LDA理论推导 PCA与LDA的比较分析 ------------------第一菇 - 什...
PCA与LDA的异同
github_38818603的博客
09-07 2489
PCA和LDA虽然都用到数据降维的思想。 监督方式不一样，PCA是无监督的，LDA是有监督的。 目的也不一样。PCA是为了去除原始数据集中冗余的维度，让投影子空间的各个维度的方差尽可能大，也就是熵尽可能大。LDA（线性判别式分析）关注的是标注，希望投影之后不同类别的数据点距离尽量大，相同类别的数据点距离尽量紧凑。 ...
主成分分析（PCA）与线性判别分析（LDA）的区别与联系
梁小憨憨的博客
08-04 6886
刚整理完PCA的内容，又记得之前用过LDA但是并没有在这里整理，所以今天把这两个算法整理下，方便以后查阅。
PCA和LDA以及之间的区别
Season
03-06 1万+
Season请您先思考：    ·PCA与矩阵有什么关系?    ·LDA与瑞利商有什么关系？    ·PCA和LDA在降维世界里，谁是赢家？一、PCA1、思想       主成分分析（Principal components analysis），是一种降维方法，在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用，需要我们找出数据里最主要的方面，然后来代替原始数据。比如我们希望将数据从二维降低到...
PCA与LDA的区别与联系
weixin_30294709的博客
04-15 266
由于涉及内容较多，这里转载别人的博客： http://blog.csdn.net/sunmenggmail/article/details/8071502 其实主要在于：PCA与LDA的变换矩阵不同，由于他们在处理信息目标上存在差异； PCA：主要使得原向量在其上的投影最大； LDA：主要使得通过投影后的向量最具区分性。 原理在上面的博客里比较全面了。 转载于:https:/...
LDA与PCA的一些区别总结
u013488563的专栏
05-17 7707
LDA，基本和PCA是一对双生子，它们之间的区别就是PCA是一种unsupervised的映射方法而LDA是一种supervised映射方法，这一点可以从下图中一个2D的例子简单看出
【机器学习】PCA与LDA比较
最新发布
热情、奔放、快乐编程！
12-29 1630
LDA在降维过程中最小化类内距离，即同类样本的方差尽可能小，同时最大化类间距离，即异类样本尽可能分离，这本身是也为分类任务服务的；而PCA是无监督的降维方法，其假设方差越大，信息量越多，因此会选择样本点投影具有最大方差的方向。②如果用户对观测对象有一定的先验知识，掌握了数据的一些特征，却无法通过参数化等方法对处理过程进行干预，可能会得不到预期的效果，效率也不高。① 降维过程中可以使用类别的先验知识（有监督的），而PCA是无监督的。① PCA是无监督的降维方法，而LDA是有监督的降维方法。
PCA与LDA在人脸识别中的应用
"这篇外文文献探讨了人脸识别技术，特别是PCA(主成分分析)的特征脸算法和LDA(线性判别分析)的Fisher脸算法在处理光照变化和面部表情变化时的性能。作者Peter N. Belhumeur、João P. Hespanha和David J. Kriegman...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值