原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PAGE1
PAGE1
特征选择：特征选择算法：主成分分析
1引言
1.1PCA的概念
主成分分析（PrincipalComponentAnalysis，PCA）是一种统计方法，用于识别数据集中的模式，通过减少数据的维度来简化数据集，同时尽可能保留数据的原始信息。PCA通过将数据转换到一个新的坐标系统中，这个坐标系统的第一轴（称为第一主成分）是原始数据中具有最大方差的方向，第二轴（第二主成分）是与第一轴正交且具有次大方差的方向，以此类推。
1.1.1为什么使用PCA？
数据可视化：PCA可以将高维数据降维到2D或3D，便于数据的可视化。
减少计算成本：降维可以减少后续
文档评论（0）