sklearn-2.5.Decomposing signals in components

2.5.1

2.5.1.1

Principal component analysis(PCA)用n维垂直向量表达原特征们尽可能多的信息。

whiten=True设置向量们各自的标准差都是1。高斯核的SVM和K-Means可能会用到。

PCA可以对各个特征的贡献进行评分,这可以用在交叉验证当中。

2.5.1.2

Incremental PCA

PCA的一个限制是必须将数据集全部加载进内存中,对于大数据集用Incremental PCA,它使用不同的处理获得与PCA相近的结果。

2.5.1.3

http://scikit-learn.org/stable/modules/decomposition.html#decompositions

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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