数据挖掘算法学习(四)PCA算法
来源:互联网 发布:lstm python实现 编辑:程序博客网 时间:2024/05/19 17:23
转载请附上链接http://blog.csdn.net/iemyxie/article/details/38236647
算法简介
主成分分析(PrincipalComponentAnalysis,简称PCA)是一种常用的基于变量协方差矩阵对信息进行处理、压缩和抽提的有效方法。主要用于对特征进行降维。
算法假设
数据的概率分布满足高斯分布或是指数型的概率分布。方差高的向量视为主元。
算法输入
包含n条记录的数据集
算法输出
降维或压缩后的数据集
算法思想
•1.计算所有样本的均值m和协方差矩阵S;
•2.计算S的特征值,并由大到小排序;
•3.选择前n'个特征值对应的特征矢量作成一个变换矩阵E=[e1,e2, …, en’];
•4.最后,对于之前每一个n维的特征矢量x可以转换为n’维的新特征矢量
y=transpose(E)(x-m)
weka运行结果
以weather.nominal.arff为例运行结果部分截图如下:
算法应用
人脸识别
图像压缩
信号去噪
转载请附上链接http://blog.csdn.net/iemyxie/article/details/38236647
0 0
- 数据挖掘算法学习(四)PCA算法
- 数据挖掘算法学习(四)PCA算法
- 数据挖掘算法(四)--线性回归
- 【数据挖掘】算法学习笔记
- 机器学习&数据挖掘算法
- 【数据挖掘算法】KNN学习
- 数据挖掘算法学习(一)K-Means算法
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘算法学习(五)C4.5算法
- 数据挖掘算法学习(六)CART算法
- 数据挖掘算法学习(七)SVM算法
- 数据挖掘算法学习(八)Adaboost算法
- 数据挖掘算法学习(一)K-Means算法
- 数据挖掘算法学习(三)NaiveBayes算法
- 数据挖掘算法学习(八)Adaboost算法
- 数据挖掘算法学习之Apriori算法
- 数据挖掘系列(四)聚类算法评价指标
- 数据挖掘四类问题算法归纳
- [学习笔记]Jquery的学习小结
- 进程和线程的一个简单形象的解释
- BZOJ 1202 贪心的商人
- UVa 1585 Score(水)
- 集合框架(泛型方法)
- 数据挖掘算法学习(四)PCA算法
- 非递归枚举排列组合(C++)
- 集合框架(静态方法泛型)
- android.os.NetworkOnMainThreadException,Failed to find provider info for com.android.inputmethod.lat
- 集合框架(泛型接口)
- N元语法模型的数据稀疏问题解决方法之一:Good-Turing平滑
- 集合框架(泛型限定)
- HDU1545(01-K Code)
- C程序设计语言(K&R)第一章学习笔记