超级会员免费看
PCA（主成分分析）是一种无监督的线性降维方法，通过正交变换减少数据的维度，同时最大化方差以保持信息。PCA通过计算协方差矩阵和特征值来找到新变量（主成分），这些主成分是原始变量的线性组合，彼此正交。降维过程中，PCA可避免特征之间的线性相关性，常用于数据预处理和降低模型复杂度。
无监督学习 { 化繁为简 { 聚类(Clustering)
机器学习-降维方法-无监督：PCA算法（主成分/主元分析）【计算协方差矩阵X^TX的特征值与特征向量W（特征向量W控制旋转、特征值控制尺度）-＞特征向量W作为投影矩阵-＞将样本X通过W投影进行降维】
于 2021-01-14 00:16:39 首次发布
订阅专栏 解锁全文
扫一扫
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
