PCA:又叫主成分分析,用于特征转换和降维、压缩。能找到数据中的相似性和不同性,使得降低了维度的数据之间的方差最大
- 对数据进行标准化;
- 去中心化,求取每一特征所有样本的平均值;
- 计算协方差矩阵;
- SVD奇异值分解得到特征值矩阵和特征向量矩阵
- 根据需要选取构建新的投影矩阵
- 对原始特征向量进行映射
问题一:不可逆怎么办?
广义逆的SVD分解
LDA的全称是Linear Discriminant Analysis(线性判别分析),给出一个标注了类别的数据集,投影到了一条直线之后,能够使得点尽量的按类别区分开
LDA的输入数据是带标签的,而PCA的输入数据是不带标签的,无监督的
某些情况下,PCA中或许包含有与LDA方向相似甚至相同的方向,对于分类问题,有时PCA可能使分类更困难,LDA较好一些