PCA详解
来源:互联网 发布:淘宝省钱机器人有诈吗 编辑:程序博客网 时间:2024/06/06 13:16
详见http://blog.csdn.net/zhongkelee/article/details/44064401
第一步 归一化
第二步 求协方差矩阵
第三步 求协方差矩阵的特征值 特征向量
第四步,将特征值按照从大到小的顺序排序,选择其中最大的k个,然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵。
第五步,将样本点投影到选取的特征向量上。假设样例数为m,特征数为n,减去均值后的样本矩阵为DataAdjust(m*n),协方差矩阵是n*n,选取的k个特征向量组成的矩阵为EigenVectors(n*k)。那么投影后的数据FinalData为
FinalData(10*1) = DataAdjust(10*2矩阵) x 特征向量(-0.677873399, -0.735178656)T
这样就从N维降到了K维,协方差的特征向量就是最理想的k维向量
阅读全文
0 0
- PCA详解
- PCA详解
- PCA详解
- pca步骤详解
- PCA数学详解
- PCA算法详解
- PCA(sklearn参数详解)
- PCA原理详解
- 详解2D-PCA (二维PCA)
- 主成份分析(PCA)详解
- 主成份分析(PCA)详解
- PCA 降维算法详解
- PCA 降维算法详解
- 详解主成分分析PCA
- PCA
- PCA
- PCA
- PCA
- 计算机视觉与深度学习(11)
- Linux配置浮动IP实现WEB高可用
- 《Java 编程技巧1001条》第391条 在数组中查找一指定值
- 解决win7下安装oracle 10g出现蓝屏问题
- java之将字节数组流转化为字符流来读取
- PCA详解
- Pageable接口
- 网络布局
- fireworks常用快捷键
- 百度配置管理disconf配置文件
- 谈谈App混合开发
- 自动驾驶
- [Leetcode] 549. Binary Tree Longest Consecutive Sequence II 解题报告
- java中break用法