Julia 主成分分析PCA

前言

最近在添补之前埋下的坑,学习和实践机器学习。master阶段以李航的《统计学习》为基础,做了一部分机器学习工作。近来以周志华《机器学习》为参考,系统性的学习下机器学习,主要使用python的sklearn库。再者,结合Julia语言练习一下Julia编程。

PCA 主成分分析的思路

PCA利用样本矩阵的特征值,对样本的属性进行降维。原理不表了,大家随处可搜到。步骤参考西瓜书[1]。

  • 1.计算样本的协方差矩阵
  • 2.对协方差矩阵求解特征值和特征向量
  • 3.找到大于设定门限的占优的 k k k个特征值 ∑ i k λ i ∑ i λ i \dfrac{\sum_{i}^{k}\lambda_{i}}{\sum_{i}^{}\lambda_{i}} iλiikλi
  • 4.最终,得到占优特征值的特征向量矩阵

1.实现样本属性的协方差矩阵

假设共有 m m m个样本,每个样本具有 n n n个属性,即是:样本 X i

  • 1
    点赞
  • 4
    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