史上最直白的pca教程之一

最新推荐文章于 2024-09-02 20:45:04 发布

未济2019

最新推荐文章于 2024-09-02 20:45:04 发布

阅读量2.8k

点赞数

分类专栏：深度学习文章标签： pca python

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/lizhe_dashuju/article/details/50072229

版权

本文深入浅出地介绍了PCA（主成分分析）的理论推导，包括数据均值化处理，以及PCA如何寻找数据的主要方向。通过Python实现展示了PCA算法，处理后的数据呈现出主要成分并简化了复杂性。

摘要由CSDN通过智能技术生成

PCA理论推导

X = ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ x 1, 1 x 2, 1 . . . x m, 1 x 1, 2 x 2, 2 . . . x m, 2 . . . . . . . . . . . . x 1, n x 2, n . . . x m, n ⎞ ⎠ ⎟ ⎟ ⎟ ⎟

$X=\left(\begin{array}{cccc} x_{1,1} & x_{1,2} & ... & x_{1,n}\\ x_{2,1} & x_{2,2} & ... & x_{2,n}\\ ... & ... & ... &...\\ x_{m,1} & x_{m,2} & ... & x_{m,n} \end{array} \right)$

$X\in R^{m\times n}$ ，式的每列是一个样本，每个样本有 $m$ 个属性，一共有 $n$ 个样本。注意，这里的每个样本都经过均值化处理。

数据通常是含糊的，有噪声的，不明确的。这种含糊和不明确，体现在它的协方差阵的多数元素都是非零值。比如， $X$ 的协方差阵就是:

C X = 1 n - 1 X X T

$C_X=\frac{1}{n-1} XX^T$
其中，

1n−1 $\frac{1}{n-1}$ 是一个实数系数，

CX∈Rm×m $C_X \in R^{m\times m}$ 。

需要从数据找到一个不含糊的，低噪声的方向。这个需求，在本质上就是寻找一个矩阵，用它对 $X$ 做变换，使得变换后的新矩阵的协方差阵大多数元素的值是零，最好的情况是，只有主对角线非零，其他都是零。令

最低0.47元/天解锁文章

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。