【机器学习】主成分分析
于 2022-11-19 17:14:41 首次发布
主成分分析(PCA)是机器学习中的降维技术,用于缓解因高维数据带来的维数灾难。PCA通过对数据进行中心化,然后找到最大化样本方差的新坐标轴,这些坐标轴即为主成分。通过保留最重要的主成分,PCA可以在降低数据维度的同时保持大部分信息。第一主成分是样本投影后方差最大的方向,后续主成分在保持正交性的前提下依次最大化方差。PCA的几何解释是找到使样本投影后最分散的轴。选择主成分的数量通常基于方差贡献率,确保累计方差贡献率达到一定比例,如70%-80%。
摘要由CSDN通过智能技术生成