降维
Tracy_LeBron
一个爱测试的程序猿
展开
-
机器学习之主成分分析(PCA)
PCA(principal Component Analysis),即主成分分析方法,是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分。是在原有的n维特征的基础上重新构造出来的k维特正,而不是大家误认为的从n维特征中选取k个。PCA有最大方差理论和最小平方误差理论两种解释方式,本文是从最大方差理论角度出发。在信号领域认为信号具有较大的...原创 2019-02-20 11:11:24 · 1040 阅读 · 0 评论 -
机器学习之线性判别分析(LDA)
在上一篇文章中,介绍了主成分分析法(PCA),这里我们介绍另外一种经典的降维方法和—线性判别分析(LDA)。LDA是一种监督学习的降维技术,也就是说它的数据集的每个样本是有类别输出的。这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA降维是要将数据在低维度上进行投影,投影后希望每一种类别数据的投影点尽可能的接近,而不同类别的数据的类别中心之间的距离尽可能的大,用一句话概括,就是“...原创 2019-03-25 10:47:51 · 685 阅读 · 2 评论