;;PCA(主成分分析)
将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。PCA的思想是将n维特征映射到k维空间上kn,这k维特征是全新的正交特征,是重新构造出来的k维特征,而不是简单地从n维特征中去除其余n?k维特征。
损失信息,但损失不多
协方差矩阵
特征值与特征向量
;PCA(主成分分析)
特征值对应的特征向量
您可能关注的文档
最近下载
- 人教版小学数学二年级下册期末测试卷含答案(共7套).doc VIP
- S7-1200PLC编程与应用:西门子 S7 - 1200 PLCPPT教学课件.pptx
- 2027届新高考语文热点复习 小说阅读考场做题技巧.pptx
- 优优绿能40KW充电模块UR100040-SW(G3)产品说明书V3.27-20260129.pdf VIP
- 【华创-2025研报】美联储达到合理准备金规模:——全球货币转向跟踪第10期.pdf VIP
- 少年中国说朗诵稿打印.docx VIP
- Unit6第2课时Reading(课件)七年级英语下册(译林版).pptx
- 标准图集-04DX101-1-建筑电气常用数据.pdf VIP
- 优优绿能30kW充电模块UR100030-SW(G3)产品说明书V2.26-20260129.pdf VIP
- GJ B2809A-2005部队油库加油站设计与施工规范.pdf VIP
原创力文档

文档评论(0)