本月博客排行
-
第1名
Xeden -
第2名
fantaxy025025 -
第3名
bosschen - paulwong
- johnsmith9th
年度博客排行
-
第1名
青否云后端云 -
第2名
宏天软件 -
第3名
gashero - gengyun12
- wy_19921005
- vipbooks
- e_e
- benladeng5225
- wallimn
- ranbuijj
- javashop
- jickcai
- fantaxy025025
- zw7534313
- qepwqnp
- robotmen
- 解宜然
- ssydxa219
- sam123456gz
- zysnba
- sichunli_030
- tanling8334
- arpenker
- gaojingsong
- xpenxpen
- kaizi1992
- wiseboyloves
- jh108020
- xyuma
- ganxueyun
- wangchen.ily
- xiangjie88
- Jameslyy
- luxurioust
- mengjichen
- lemonhandsome
- jbosscn
- nychen2000
- zxq_2017
- lzyfn123
- wjianwei666
- forestqqqq
- ajinn
- siemens800
- hanbaohong
- 狂盗一枝梅
- java-007
- zhanjia
- 喧嚣求静
- Xeden
最新文章列表
python sklearn-07:降维-PCA
链接:https://muxuezi.github.io/posts/7-dimensionality-reduction-with-pca.html
官网链接:
1.PCA:
PCA(principal component analysis,主成分分析):主要解决三类问题:
1.降维 ...
[python]用python实现的pca算法
pca算法用于原始数据维数较高时对数据进行降维
关于pca算法的学习,有一篇分析特别详细的论文http://www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf
比较好的中文总结:http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.htm ...
Dimension reduction:PCA
Principal Components Analysis(PCA)
PCA算法的步骤
a. 计算样本集的协方差矩阵S
S的值表示样本之间的相关性,大于0说明是正相关;小于0,说明是负相关;等于0,说明相互独立,不相关
b. 计算S的特征向量和特征值,按从大到小排序。
c. 设置要映射的低维空间维数k,取前k个特征值对应的特征向量作为降为的结果。
为什么选用协方差矩阵, ...