知识卡片

操作参考卡 · 9449.g · 生成模型:Tencent Hunyuan Hy

PCA降维五步流程

理解等级:中级

把n维数据降到k维(0),PCA的执行顺序是固定的:①数据标准化——求每个属性的均值,整个矩阵减去均值,为算协方差做准备;②计算数据的协方差矩阵(由两两变量的协方差组成);③求协方差矩阵的特征值与特征向量;④按特征值从大到小排序,选前k个最大特征值对应的特征向量,并用单个方差贡献率=特征值/所有特征值之和、累计贡献率来判断保留多少信息;⑤以前k个特征向量构建转换矩阵W,把数据映射到新的低维空间。目标可概括为:选k个单位正交基,使变换后各字段两两协方差为0、各自方差尽可能大——也就是去相关且保信息。理解要点:方差衡量离散程度,协方差衡量两属性相关程度,特征向量给出投影方向、特征值给出该方向的重要性;k由累计贡献率决定,而不是随意指定。

这张卡片看不懂?

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

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第10章《透过现象看本质,全靠降维来帮忙》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00015.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文给出PCA目标(各字段协方差为0、方差尽可能大)及从标准化、协方差矩阵、特征值分解到选前k特征向量构建转换矩阵的步骤,支撑本卡流程结论。 - 原始内容:(1)数据标准化处理。求每个属性的均值,然后将整个矩阵减去均值,为计算协方差做准备。 (2)计算数据的协方差矩阵。 (3)计算协方差矩阵的特征值和特征向量。 (4)选择与前k个最大特征值对应的特征向量,其中k为新的特征子空间的维度。