PCA算法步骤
来源:互联网 发布:游戏视频后期制作软件 编辑:程序博客网 时间:2024/06/06 18:55
一些基本概念:
1、 向量。
2、向量乘法:原向量左乘一个矩阵,等于把这个矩阵投影到到该矩阵表示的坐标系上。
3、降维:就是左乘的那个矩阵的维度比原来的维度要小。
4、特征向量与特征值。实对称矩阵的不同特征值的特征向量正交。
5、方差
6、协方差:形容不同维度,即不同变量之间的相关性。
7、协方差矩阵。
1/n(X*X的转置)
主对角线上的为个元素的方差,其他元素为各变量时之间的协方差
8、数据冗余:沿这条线保留的特征最多。
因为降维是会丢失信息量的。方差越大,保留下来的信息量越多。
目标就是:在新的空间上,应该使得样本的协方差矩阵的非对角元的值为零。
9、设A为n阶实对称矩阵,则必有正交矩阵P,使得P的转置矩阵*A*P=^=[ ].
并且P为A对应的特征值对应的特征向量组成的矩阵。
Y=PX,就是用P来进行变换和降维的。
对角化后的方差最大!
所以需要对协方差矩阵进行对角化。
10、然后选取特征值最大的那K个特征值对应的特征向量,组成P。得到的P就可以用来把A投影到降维后的新数据B了。
具体做法:
假设有m条n维数据。
1、 将原始数据按列组成n行m列的矩阵
2、 对X每一行归零化后为X‘
3、 求协方差矩阵
4、 求出协方差矩阵的特征值及其特征向量
5、 取最大的K个特征值
6、 Y=PX,Y即为降维后的数据
0 0
- PCA算法步骤
- 从协方差到PCA算法步骤详解
- pca算法
- pca算法
- PCA算法
- PCA算法
- PCA算法
- PCA算法
- PCA算法
- PCA算法
- PCA算法
- pca步骤详解
- 再谈降维算法--PCA算法
- 主成分分析(pca)算法的实现步骤及代码
- PCA(Principal Component Analysis)的原理、算法步骤和实现。
- PCA算法原理简介
- Opencv中的pca算法
- PCA算法原理简介
- miniSIP网络电话服务器搭建教程
- Sql Server 导入另一个数据库中的表数据
- poj2796 Feel Good
- Android Studio使用技巧系列教程(四)
- hihoCoder之#1000 : A + B
- PCA算法步骤
- Matlab用代码关联m文件
- 50道Java线程面试题
- Scala中中下划线(_)的用法
- 平安科技移动开发二队技术周报(第十期)
- Android网络请求框架Volley的使用
- Android清单文件详解(一) ---- 一切从<manifest>开始
- ceph 数据校验机制 scrub源码分析
- c++ primer读书笔记-第十四章 重载操作符与转换