[学习笔记] 【学习笔记】主成分分析算法（PCA） Principal Component Analysis(PCA)是最常 ... [推广有奖]

0关注
1粉丝

高中生

67%

还不是VIP/贵宾

威望: 0 级
论坛币: 4 个
通用积分: 20.5336
学术水平: 0 点
热心指数: 0 点
信用等级: 0 点
经验: 160 点
帖子: 27
精华: 0
在线时间: 0 小时
注册时间: 2019-11-18
最后登录: 2019-12-18

楼主

9133_1574072061 发表于 2019-12-3 20:54:11 来自手机 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

主成分分析算法（PCA）
Principal Component Analysis(PCA)是最常用的线性降维方法，它的目标是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性。
通俗的理解，如果把所有的点都映射到一起，那么几乎所有的信息（如点和点之间的距离关系）都丢失了，而如果映射后方差尽可能的大，那么数据点则会分散开来，以此来保留更多的信息。可以证明，PCA是丢失原始数据信息最少的一种线性降维方式。（实际上就是最接近原始数据，但是PCA并不试图去探索数据内在结构） tmp_d84665769250864d9fcc9d24efb06be4b1e5214e51f0a8e1.jpg