LDA和PCA

最新推荐文章于 2020-10-21 10:57:27 发布
最新推荐文章于 2020-10-21 10:57:27 发布
阅读量99 收藏
点赞数
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/u014073295/article/details/82725115
版权

LDA

why?

降维分类任务。

what?

能够最大化类间区分度的坐标轴成分。

有监督的

how?

LDA分类的一个目标是使得不同类别之间的距离越远越好。同一类别之中距离越近越好。

PCA：

 

why?

降维任务。无监督，提取有价值的信息（基于方差）

，找到一组正交基尽可能保留最多的原始信息

目标：将一组N维降为K维，目标是选择K个单位正交基，使得数据变换到这个基上后，各个字段两两之间的协方差为0，字段的方差尽可能大。

协方差：用协方差表示两个字段的相关性。但为0表示两个字段完全独立。

协方差矩阵对角化，那么对角线上的数为特征值，对应的向量为特征向量。

 

 

 

 

 

 

buptwangzhiwen
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
二、LDA（线性判别分析）原理
weixin_43355451的博客
08-05 183
机器学习中的数学(4)-线性判别分析（LDA）, 主成分分析(PCA) https://www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.html 线性判别分析（Linear Discriminant Analysis）（一） https://www.cnblogs.com/jerrylead/a...
Iris数据集的LDA和PCA 2D投影比较.ipynb
05-20
需要使用anaconda notebook打开，
Spark2.0机器学习系列之9： 聚类算法(LDA）
热门推荐
qq_34531825的博客
09-21 2万+
聚类算法 LDA Spark2.0代码
LDA和PCA降维的区别
进击的扛把子
10-21 2807
LDA和PCA降维的区别
LDA和PCA区别
weixin_30887919的博客
10-24 360
https://blog.csdn.net/brucewong0516/article/details/78684005 转载于:https://www.cnblogs.com/qlky/p/9841045.html
LDA和PCA的区别
cyy2learn的博客
01-23 862
异同点 LDA PCA 相同点 1. 两者均可以对数据进行降维；2. 两者在降维时均使用了矩阵特征分解的思想；3. 两者都假设数据符合高斯分布； 不同点 有监督的降维方法 无监督的降维方法 降维最多降到k-1维 降维多少没有限制 可以用于降维，还可以用于分类 只用于降维 选择分类性能最好的投影方向...
LDA和PCA降维总结
xu_fu_yong的专栏
07-13 2204
文章目录线性判别分析（LDA）LDA思想总结图解LDA核心思想二类LDA算法原理LDA算法流程总结LDA和PCA区别LDA优缺点主成分分析（PCA）主成分分析（PCA）思想总结图解PCA核心思想PCA算法推理PCA算法流程总结PCA算法主要优缺点降维的必要性及目的KPCA与PCA的区别 线性判别分析（LDA） LDA思想总结 ​ 线性判别分析（Linear Discriminant Analysi...
LDA和PCA的理解
sun___shy的博客
11-06 806
版权声明：     本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com 前言：    谈到LDA，就不得不谈谈PCA，PCA是一个和LDA非常相关的算法，从推导、求解、到算法最终的结果，都有着相当的相似。    本次的内容主要是以推导数学公...
机器学习（十六）— LDA和PCA降维
dbsggal90047018的博客
05-14 524
一、LDA算法 　　基本思想：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。我们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。 　　浅显来讲，LDA方法的考虑是，对于一个多类别的分类问题，想要把它们映射到一个低维空间...
LDA算法原理及LDA与PCA的比较
Diliduluw的博客
04-18 5849
1. LDA算法简介 LDA（线性判别式分析 Linear Discriminant Analysis）属于机器学习中的监督学习算法，常用来做特征提取、数据降维和任务分类。在人脸识别、人脸检测等领域发挥重要作用。LDA算法与PCA算法都是常用的降维技术。二者的区别在于：LDA是一种监督学习的降维技术，也就是说它的每个样本是有类别输出的，而之前所学习的PCA算法是不考虑样本类别输出的无监督降维技术...
LDA和PCA简单用例
10-28
本代码是基于LDA和PCA的简单用例，可直接在matlab中运行，适用于初学者。
LDA和PCA.pptx
11-28
两种方式的手写源码以及sklearn调包方法。包括一些细节实验以及理论解释，提供机器学习新手参考，大佬可以绕道。
Direct LDA and PCA+LDA：LDA、Direct LDA和PCA+LDA的实现。 有关详细信息，请参见描述。-matlab开发
05-30
基本上我们这里有 LDA（线性判别分析），直接 LDA，它可以做 LDA 但更好（基本上当你的类内散布矩阵 Sw 是奇异的时，它不会丢弃 Sw 的零空间，它包含大部分判别信息）和 PCA+LDA，它对数据进行 PCA，然后对降维数据...
基于matlab的PCA特征提取,归一化PCA特征提取,LDA特征提取以及归一化LDA特征提取四种算法的数据分类对比+操作视频
07-12
3.用处：用于PCA和LDA降维特征提取算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧...
数据结构——环形队列 纯C语言实现.zip
最新发布
06-13
数据结构——环形队列 纯C语言实现
aiohttp-3.8.1-cp37-cp37m-musllinux_1_1_x86_64.whl
06-13
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
grpcio-1.14.0-cp36-cp36m-win32.whl
06-13
Python库是一组预先编写的代码模块，旨在帮助开发者实现特定的编程任务，无需从零开始编写代码。这些库可以包括各种功能，如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库，如NumPy、Pandas和Requests，极大地丰富了Python的应用领域，从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径，而且为经验丰富的开发者提供了强大的工具，以高效率、高质量地完成复杂任务。例如，Matplotlib和Seaborn库在数据可视化领域内非常受欢迎，它们提供了广泛的工具和技术，可以创建高度定制化的图表和图形，帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
LaTeX-windows 安装包
06-13
LaTeX是一个高质量的排版系统；它包括为制作技术和科学文档而设计的功能。它最常用于中大型技术或科学文件，但几乎可用于任何形式的出版。LaTeX基于这样的想法，即最好将文档设计留给文档设计师，并让作者继续编写文档。 LaTeX功能 ·排版期刊文章、技术报告、书籍和幻灯片演示文稿。 ·控制包含剖面、交叉引用、表格和图表的大型文档。 ·复杂数学公式的排版。 ·使用AMS-LaTeX进行数学高级排版。 ·自动生成参考书目和索引。 ·多语言排版。 ·包括艺术品，以及工艺或专色。 ·使用PostScript或Metafont字体。
matlab 对比lda和pca
08-17
LDA（Linear Discriminant Analysis）和PCA（Principal Component Analysis）是常用的降维方法，下面将对它们进行对比。 LDA和PCA都是基于矩阵分解的方法，可以用于降低数据集的维度，但它们的目标和应用场景有所...

“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