自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(1)
  • 收藏
  • 关注

原创 Kernel_PCA算法

1.KPCA原理: 主成分分析(PCA)是使用线性映射将数据进行降维,但是通常情况下高维到低维是非线性的,往往达不到我们预期的结果。核主成分分析(KPCA)将原始数据通过选择适当的核函数(Kernel)映射到高维空间,再利用高维度空间进行线性降维,是一种用于非线性分类的降维工具。因此 KPCA的核心就是核函数。同时,KPCA采用了比较复杂的非线性映射,提高了非线性数据的处理效率。 原理图解析:KPCA空间中的数据是通过将输入空间的非线性数据选择合适的核函数映射到高维特征空间,然后对其进行PCA.

2022-05-07 18:57:59 2481

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除