设为首页|收藏本站|
发帖
登录 注册
西兔生活网 › 美洲华人圈 › 波士顿华人圈 › 主成分分析（PCA）原理详解
回复 发帖
123下一页
返回列表 发新帖
开启左侧

[问答] 主成分分析（PCA）原理详解

[复制链接]
11#
峰情恋思 发表于 2021-12-3 23:03:48 | 只看该作者
 
这个我也想知道，请问你有想法呢嘛？
回复 支持 反对

使用道具 举报

 
12#
许狗许狗许狗 发表于 2021-12-3 23:04:00 | 只看该作者
 
无法知道，PCA算法的一个问题就是不具有可解释性
回复 支持 反对

使用道具 举报

 
13#
小小的云啊 发表于 2021-12-3 23:04:22 | 只看该作者
 
膜拜大佬
回复 支持 反对

使用道具 举报

 
14#
痛定思痛的夜 发表于 2021-12-3 23:04:42 | 只看该作者
 
说明每一维变量都很有用啊，那就不用降维了
回复 支持 反对

使用道具 举报

 
15#
kk26 发表于 2021-12-3 23:05:19 | 只看该作者
 
写的非常好。在3.2节有个小建议，样本和变量最好要区分一下。这里的“样本均值，样本方差”应该是变量均值，变量方差。n代表样本个数，m代表数据的维度，即变量的个数。计算的协方差是变量X和变量Y的协方差。上下文统一一下。
回复 支持 反对

使用道具 举报

 
16#
靚坤__ 发表于 2021-12-3 23:05:33 | 只看该作者
 
(1) 基于特征值分解协方差矩阵实现PCA算法  不就是算的A的奇异值分解吗？两种方法的区别在哪里？
回复 支持 反对

使用道具 举报

 
17#
公积金睡觉去 发表于 2021-12-3 23:06:08 | 只看该作者
 
好像有一个错误，协方差为0的时候代表的是不相关，有不相关但独立的例子，独立比不相关的性质要强一些
回复 支持 反对

使用道具 举报

 
18#
考虑考虑吧 发表于 2021-12-3 23:07:03 | 只看该作者
 
取绝对值，这里每个维度上方差大小（也就是特征值）表示信息保留大小。——参考李航统计学习方法第二版第16章定理16.1
回复 支持 反对

使用道具 举报

 
19#
2017奥迪 发表于 2021-12-3 23:07:39 | 只看该作者
 
小白，提出点疑问。特征值和奇异值的区别在那？两者都是对协方差矩阵进行分解 ，协方差阵都是方阵啊 ，岂不是用特征值分解都可以解决
回复 支持 反对

使用道具 举报

 
20#
魅思新材料 发表于 2021-12-3 23:08:24 | 只看该作者
 
看懂了一丢丢收获很大，但是，数学好难啊[大哭]
回复 支持 反对

使用道具 举报

 
下一页 »
123下一页
返回列表
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

阿生挖机

0关注

6粉丝

438帖子

热门图文
热门帖子
排行榜
  • 日
  • 周
  • 月
活跃网友
返回顶部快速回复上一主题下一主题返回列表APP下载手机访问
Copyright © 2016-2028 CTLIVES.COM All Rights Reserved.  西兔生活网  小黑屋| GMT+8, 2024-5-5 23:41