将多维度的数据转化为低维度的数据
举例:一个指标可以理解为三维的向量,经过pca之后,就成了二维
用图说话,图是从截屏截的
编辑切换为居中
这里有两个维度来描述这些点
编辑切换为居中
这样的话,就用一个维度就可以描述这个堆点了。
原来的点在新的坐标轴的投影是降维后的结果,因此不能有重合的投影点。
投影点尽可能分散,越分散越好,越分散,数据波动情况越大,方差越大。
数学部分推导,
添加图片注释,不超过 140 字(可选)
幸甚至哉,歌以咏志。
将多维度的数据转化为低维度的数据
举例:一个指标可以理解为三维的向量,经过pca之后,就成了二维
用图说话,图是从截屏截的
编辑切换为居中
这里有两个维度来描述这些点
编辑切换为居中
这样的话,就用一个维度就可以描述这个堆点了。
原来的点在新的坐标轴的投影是降维后的结果,因此不能有重合的投影点。
投影点尽可能分散,越分散越好,越分散,数据波动情况越大,方差越大。
数学部分推导,
添加图片注释,不超过 140 字(可选)
幸甚至哉,歌以咏志。