PCA主成分分析与SVG隐语义
来源:互联网 发布:protobuf数据解析 编辑:程序博客网 时间:2024/04/23 16:42
PCA
模式识别中用于主特征提取以实现降维。
假设
是一个n维随机向量。向量
满足
C是正交矩阵,X经过不同的投影变换后
得到如:
其中
使它在得到的
如何求出C呢?
由于
令
这样对于一个有n个用户,每个用户又有对n个物品的购买记录的数据矩阵
而对应于矩阵
当然你可以选择用PCA通过用户对商品的喜好来分类用户眼中相似的商品(相似的商品有ABCD)。这就是在做列压缩了。
行压缩和列压缩都进行的话,对应相同的原理却要算两趟,SVD则很好的’包装’了PCA。
SVD隐语义模型
用于非方阵的分解
矩阵的特征值
现在假定给你一组已知数据
通过特征值构成的对角矩阵
这样就将样本
如果
这就是奇异值分解,将任意矩阵分解成上述形式。其中
对于矩阵
进一步将
相应的将U变成m*r;将
这时候已经实现了
对于上述约等式右乘
通过SVD解得U和V就可以根据需要对A做行压缩或列压缩。
0 0
- PCA主成分分析与SVG隐语义
- 主成分分析(PCA)与图像识别
- 主成分分析 PCA
- 主成分分析 PCA
- PCA--主成分分析
- PCA主成分分析
- 主成分分析PCA
- PCA主成分分析
- 主成分分析PCA
- PCA主成分分析
- PCA主成分分析
- PCA 主成分分析
- 主成分分析PCA
- 主成分分析(PCA)
- 主成分分析(PCA)
- PCA主成分分析
- PCA 主成分分析
- 主成分分析PCA
- Spark2.0.1 on yarn with hue 集群搭建部署(二)spark on yarn搭建
- leetCode练习(136)
- java求解第N个素数(质数)
- 线性回归方法(1)
- Android EventLog简介
- PCA主成分分析与SVG隐语义
- SQL题
- Intelj Idea 的全键盘使用
- Ubuntu 16.0.4 安装deb文件
- thrift简单实例
- MATLAB从数组中以等概率随机选出不同的元素
- 使用Opengl ES GlSurfaceView Render Camera preview
- linux添加环境变量(path)
- classpath、path、JAVA_HOME的作用