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100 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
08-05 185
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 2831
LDA和PCA降维的区别
LDA和PCA区别
weixin_30887919的博客
10-24 362
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
01-23 879
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 2227
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
11-06 827
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
05-14 574
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 5898
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
**主题：LDA与PCA在特征提取和降维中的应用** **引言** 线性判别分析（Linear Discriminant Analysis, LDA）和主成分分析（Principal Component Analysis, PCA）是两种广泛应用于数据预处理、特征提取和降维的技术...
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...
一种改进的LDA和PCA特征空间融合的人脸识别方法.pdf
09-23
在这个方法中，LDA和PCA的特征空间被融合，使得识别系统能够同时利用两种方法的优势，提高了识别的鲁棒性。 【实验验证与结果分析】 通过在ORL人脸数据库上的实验，作者证明了改进的LDA+PCA特征空间融合方法的有效...
pi_heif-0.17.0-cp39-cp39-manylinux_2_31_armv7l.whl
最新发布
07-27
pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。
ubuntu20.04-ssh9.8p1-ssl3.0.14-focal-deb-amd64升级加固脚本.zip
07-27
若有新版本请查看文章最后附件地址：https://blog.csdn.net/liuxin638507/article/details/132450367 特点： 1、同时升级openssh与openssl，采用deb包形式，一键快速升级版本，无需每台单独再次进行编译， 2、隐藏openssh-版本号(openssh9.8p1及之后隐藏版本号还未找到方法) 3、已默认安全加固（已有配置跳过） 安装： 执行 bash upgrade_ssl_ssh_ubuntu.sh 进行安装 注意，升级安装后，确保sshd服务正常，请新开终端进行验证测试 验证 openssl版本： openssl version OpenSSL 3.0.14 4 Jun 2024 (Library: OpenSSL 3.0.14 4 Jun 2024) openssh版本： ssh -V OpenSSH_9.8p1, OpenSSL 3.0.14 4 Jun 2024
avif-0.5.0-cp36-cp36m-manylinux1_i686.whl
07-27
python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！
教务管理系统-毕业设计.zip
07-27
教务管理系统-毕业设计.zip
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不同。 首先，LDA是一种有监督的降维方法，适用于分类问题。它通过最大化类间距离和最小化类内距离，将原始数据投影到一个低维空间，使得同一类别的样本尽可能靠近，不同类别的样本尽可能远离。LDA可以在降低维度的同时保留更多有助于分类的信息，因此通常用于模式识别和机器学习中。 而PCA则是一种无监督的降维方法，更加注重保留原数据中的信息。它通过找到最大方差的方向，将数据投影到新的低维空间。PCA可以消除数据之间的冗余和噪声，保留较多的总体信息，但无法考虑到类别之间的区分度。 另外，LDA和PCA在计算过程和输入要求上也有所不同。LDA需要先指定类标签，并基于这些标签计算类内和类间的协方差矩阵，而PCA则直接基于原始数据计算协方差矩阵。此外，PCA对数据的分布没有假设，而LDA假设数据符合高斯分布。 总体来说，LDA和PCA都可以用于降维，但应根据具体问题和需求选择合适的方法。如果任务是分类问题，可以使用LDA以获得更好的分类效果；如果仅仅是为了降低维度和去除冗余，PCA可能是更适合的选择。
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