多元统计分析及R语言建模-第8章主成分分析（PCA）

最新推荐文章于 2022-12-07 09:57:19 发布

可米_俊俊

最新推荐文章于 2022-12-07 09:57:19 发布

阅读量1.2w

点赞数 5

分类专栏：机器学习算法 R语言文章标签： R 统计分析机器学习

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/smart_hj/article/details/50296027

版权

# 第8章主成分分析# 主成分分析的核心思想是通过降维的方法，把数据信息的主要成分提取出来，将多个冗余特征简化为一个特征的过程。# 例8-1x1 = c(171,175,159,155,152,158,154,164,168,166,159,164)x2 = c(57,64,41,38,35,44,41,51,57,49,47,46)plot(x1,x2,xlim=c

摘要由CSDN通过智能技术生成

# 第8章主成分分析
# 主成分分析的核心思想是通过降维的方法，把数据信息的主要成分提取出来，将多个冗余特征简化为一个特征的过程。

# 例8-1
x1 = c(171,175,159,155,152,158,154,164,168,166,159,164)
x2 = c(57,64,41,38,35,44,41,51,57,49,47,46)
plot(x1,x2,xlim=c(145,180),ylim=c(25,75))
lines(c(150,178), c(33,66)); text(180,68,"y1")
lines(c(161,168), c(60,38)); text(161,63,"y

最低0.47元/天解锁文章

关注

5
点赞
踩
55

收藏

觉得还不错? 一键收藏
0
评论
多元统计分析及R语言建模-第8章主成分分析（PCA）

# 第8章主成分分析# 主成分分析的核心思想是通过降维的方法，把数据信息的主要成分提取出来，将多个冗余特征简化为一个特征的过程。# 例8-1x1 = c(171,175,159,155,152,158,154,164,168,166,159,164)x2 = c(57,64,41,38,35,44,41,51,57,49,47,46)plot(x1,x2,xlim=c
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。