![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
其他
问君何能尔?心远地自偏
这个作者很懒,什么都没留下…
展开
-
主成分分析(PCA)原理详解
主成分分析(PCA)原理详解原文地址:https://mp.weixin.qq.com/s?src=3×tamp=1599035409&ver=1&signature=wIOst3f1PiZhG8igzlTmxhrJhZLHx5WG3ydQ7QH6uHwxde-7m6B8cmKRLhwliErp5r38c1nz4wIniKkqVBHKq9XVb9jJ40I6CgMRpQW7HCThCbwKsUMap06Pai1Hp3FmYGm4lEZ4wqy85S1iV50EmTtdni转载 2020-09-02 16:50:16 · 434 阅读 · 0 评论 -
快速理解主成分分析PCA以及特征值和特征向量的意义
主成分分析PCA以及特征值和特征向量的意义原文链接主成分分析(Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。PCA的思想是将n维特征映射到k维上(k<n),这k维是全新的正交特征。这k维特征称为主成分,是重新构造出来的k维特征,而不是简单地从n维特征中去除其余n-k维特征。简单解释:具体的,假如我们的数据集是n维的,共有m个数据。我们希望将这m个数据的维度从n维降原创 2020-09-02 16:07:04 · 5684 阅读 · 0 评论