知识卡片
PCA目标与六步流程
主成分分析(PCA)是无监督线性数据转换技术,目标是在高维数据中找到最大方差方向,把数据映射到维度不大于原空间、各坐标轴正交的新子空间。流程六步:标准化→构造协方差矩阵→求特征值/特征向量→选前k大特征值对应向量→构建映射矩阵W→把d维X转换到k维子空间。需注意主成分方向对特征量纲高度敏感,需先标准化。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 通过降维压缩数据 · 查看原书依据
简而言之,PCA的目标是在高维数据中找到最大方差的方向,并将数据映射到一个维度不大于原始数据的新的子空间上
参考来源
- 位置:《Python机器学习》第5章《5.1 无监督数据降维技术——主成分分析》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/pca的目标是:在高维数据中找到最大方差的方向,并将数据映射到一个维度不大于原始数据的新的子空间上`)
- 结论依据:原文直接支撑上述要点。
- 原始内容:简而言之,PCA的目标是在高维数据中找到最大方差的方向,并将数据映射到一个维度不大于原始数据的新的子空间上