ICA与PCA的区别

最新推荐文章于 2021-08-20 12:58:37 发布
最新推荐文章于 2021-08-20 12:58:37 发布
阅读量2.1k 收藏 5
点赞数
分类专栏： 传统机器学习 文章标签： 机器学习
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/robot_AIywq/article/details/86476813
版权

#作用不同
虽然都是对数据（图像）进行降维处理，但得到的结果却不相同：1、PCA不提取相关属性，只做降维，ICA不仅提取相互独立的属性还降维。
#得到的结果不同
PCA提取出来的是最能表示原始事物的特征，ICA是使得每个分量最大独立，可以显示所有信息
#适用对象不同
PCA适用于高斯分布，ICP不适用于高斯分布数据
#ICA使用条件
1，源信号之间相互独立
2，每个信号源为非高斯分布

Yang Eric
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
独立成分分析 ( ICA ) 与主成分分析 ( PCA ) 的区别
沈春旭的博客
12-10 3万+
1.前言 参考资料：https://www.zhihu.com/question/28845451 书上写的是： 1. 主成分分析假设源信号间彼此非相关，独立成分分析假设源信号间彼此独立。2. 主成分分析认为主元之间彼此正交，样本呈高斯分布；独立成分分析则不要求样本呈高斯分布。 在利用最大化信息熵的方法进行独立成分分析的时候，需要为源信号假定一个概率密度分布函数g'，进而找出使得g(Y)=g...
PCA和ICA的对比
vendetta_gg的博客
06-03 3129
PCA和ICA的对比 by:Yang Liu 1.ICA处理的数据为非高斯分布的；PCA处理的数据是高斯分布的。 2.ICA提取相互独立的属性，而且降维；PCA只做数据的降维。ICA的数据预处理中会用到PCA。 3.ICA中各分量独立，PCA中各分量不相关。 4.ICA的目的是找到这样一组分量，使此分量最大独立化，进而发现信息中的一些隐藏因素；PCA的目的是找到这样一组分量，使重构误差最小，使此分量最能代表原事物的特征。 5.PCA为最大化方差，使得残余方差最小，或信息损失最小（方差即信息）。ICA为最大化
机器学习中PCA和ICA的理解
py79hn的专栏
05-11 6336
在高维数据处理中，为了简化计算量以及储存空间，需要对这些高维数据进行一定程度上的降维，并尽量保证数据的不失真。PCA和ICA是两种常用的降维方法。 PCA：principal component analysis ，主成分分析 ICA ：Independent component analysis，独立成分分析 PCA,ICA都是统计理论当中的概念，在机器学习当中应用很广，比如图
PCA与ICA的区别
qq_39474604的博客
06-20 4069
简单地讲，PCA是一个降维的过程，ICA则是帮助你从多个维度分离有用数据的过程。附上两个链接地址：PCA: Principal Component Analysis explained visuallyICA: What is the difference between PCA and ICA?主成分分析（PCA）3D示例：在三个维度上，PCA更有用，因为很难看清数据云。在下面的例子中，原始数据...
ica.pca.gabor.rar_ICA_ICA c++_ICA-PCA_主成分分析
09-19
与PCA不同，ICA关注的是信号的统计独立性而非方差最大化。在图像处理或信号处理中，ICA常用于分离混合信号，例如在脑电图（EEG）分析中分离出不同的大脑活动信号。ICA假设混合信号是由几个独立的、非高斯分布的原始...
pca_ica_ICA_PCA奇异_主成分分析pca_PCA_ICA_
10-02
PCA（主成分分析）和ICA（独立成分分析）是两种常用的数据降维和特征提取方法。在数据分析和机器学习领域，它们被广泛应用于处理高维度数据，以减少数据的复杂性，同时保持数据的主要信息。 PCA是一种线性变换技术...
fastica, pca
03-10
ICA与PCA不同，它不仅考虑数据的方差，而是试图找到数据中互相独立的成分。在许多实际应用中，如神经科学、图像处理和音频信号分析，我们可能希望分离出隐藏在混合信号中的独立源。FastICA通过最大化非高斯性来实现...
PCA 和 ICA 包：实现主成分分析 (PCA) 和独立成分分析 (ICA)-matlab开发
05-29
该包包含实现主成分分析 (PCA) 和独立成分分析 ... ICA 与 PCA 的不同之处在于，低维信号不一定对应最大方差的方向； 相反，ICA 组件具有最大的统计独立性。 在实践中，ICA 通常可以揭示多维数据中不相交的潜在趋势。
Fast-ICA.rar_ICA_fast ica pca_ica 音频_音频分离
09-24
在这个上下文中，"Fast-ICA.rar"是一个压缩包文件，包含了关于ICA在音频处理中的应用，特别是音频信号的分离和与主成分分析（PCA）的比较。 ICA的核心思想是假设观测到的数据是由多个相互独立且非高斯分布的源信号...
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（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序
12-26
PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序 他们是目前图像处理比较经典的特征提取方法
PCA和ICA之间的联系和区别
Kp0fS的草稿纸
08-20 722
https://www.quora.com/What-is-the-difference-between-PCA-and-ICA
主成分分析（PCA）和独立成分分析（ICA）
coder_Gray的博客
12-10 5365
最近在学习DL花书时，看到了线性因子模型部分，对其中的PCA和ICA的理解有些模糊，于是到网上求助并翻了些文献资料，总结如下（这里不讨论其推导过程和理论证明）：首先分析一下PCA和ICA之间的共性： 无论是PCA还是ICA，都不需要对源信号的分布进行具体的假设 Both PCA and ICA try to find a set of vectors, a basis, for the data.
PCA过程
weixin_42936560的博客
02-21 775
PCA（Principal Component Analysis），也称为主成分分析。降维可以解决三类问题： 缓解维度灾难 在压缩数据的同时让信息损失最小化 维度少的数据通过可视化更容易理解 从数学的角度来看，PCA的目标是什么呢？它的目标是通过某种线性投影，将高维的数据映射到低维的空间中，即把原先的n个特征用数目更少的m个特征取代，并且，我们希望在所投影的维度上数据的方差最大，尽量使新的m个...
8D质量问题分析与解决方法培训
一只小demo
06-10 6028
8D质量问题分析与解决方法培训 0. 解决问题要几步？ 8D质量问题分析与解决方法培训把大象放冰箱，分几步？ 三大步骤：明确问题，分析原因，问题解决 1. 8D简介 1. 8D：Eight discipline problem solving process 2. 8个步骤+1个准备步骤 3. 8D是质量的通用语言 4. 8D历史：1987年福特公司开始以8D形式解决，1987年ISO 9000开创 5. G8D：1.增加D0 2.强调对问题逃出点和控制 3. 全球软件支持 6. 原因分为：普
PCA与ICA的介绍
天伤星的博客
04-06 4405
Background 做一个数据分析业务之前，往往需要对反映事物的多个特征变量进行大量的观测，收集大量数据以便进行分析寻找规律。多个特征变量确实会提供丰富的信息，但是很多情况下变量之间可能会存在相关性，如果用全部特征变量去拟合模型，可能在训练集的效果上会表现的很好，但是在测试集的效果上可能很差。这就存在模型(过度自信)的问题。因此需要找到一种合理的方法，在减少需要分析的特征变量同时，尽量减少特征变...
PCA,ICA和CCA（markdown）
chinabing的专栏
02-15 7039
PCA 主成分分析 m个n维的样本数据X1,X2,...,XmX_1, X_2, ... , X_m, 均值为u 步骤: （1）标准化， Xi−uX_i - u （2）计算协方差矩阵 E{(X−E(X))(X−E(X))T}E\{(X-E(X))(X-E(X))^T\} （3）计算特征值和特征向量（单位化） （4）选择特征值最大的前k（1≤\lek≤\len）项的特征向量 （5）利用特
独立成分分析 ( ICA ) 与主成分分析 ( PCA )再解析
热门推荐
沈春旭的博客
12-10 1万+
ICA认为观测信号是若干个统计独立的分量的线性组合，ICA要做的是一个解混过程。而PCA是一个信息提取的过程，依据贡献度大小，将原始数据降维，现已成为ICA将数据标准化的预处理步骤。这里蕴含着独立必不相关，因而先做一个PCA。PCA是协方差矩阵为对角阵，因而数据是不相关的。 1.感受一 PCA和ICA的用途完全不同。如果只在意数据的能量或方差、假设噪声或不感兴趣的信号都比较微弱，那么用PC
matlab中ica与pca
最新发布
12-23
在MATLAB中，ICA（独立分量分析）和PCA（主成分分析）都是用于数据降维和特征提取的常用方法。 ICA旨在从混合信号中分离出独立的成分，它假设每个观测数据是由多个独立的源信号混合而成，然后通过最大化成分的独立...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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