pca原理

http://m.blog.csdn.net/zhongkelee/article/details/44064401

PCA的思想是將n維特征映射到k維上,這k維是全新的正交特征。盡可能的這k維特征覆蓋了原始n維特征的信息。這k維是全新構(gòu)建出來(lái)的特征,并不是原始的n維減去(n-k)維。

具體計(jì)算步驟:

1.計(jì)算n維特征的協(xié)方差矩陣;

2.計(jì)算協(xié)方差矩陣的特征值和對(duì)應(yīng)的特征向量;

3.找出k個(gè)最大的特征值及其對(duì)應(yīng)的特征向量,將原始的m*n特征矩陣(默認(rèn)原始樣本數(shù)為m)乘以這n*k的特征向量矩陣,得到新的k維特征矩陣(m*k)。

具體涉及原理:1.最大方差理論 2.最小二乘法

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容