qq_59996633的博客

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.