← 返回卡片

原书出处

机器学习算法原理与编程实践

09 第9章 人脸识别中的机器学习

核验版本的摘录快照 · 导入于 2026-11-19T03:09:27.769Z

那么根据这个原理,如果我们能够提取出高维向量中某些特有的特征或相关变量,就能用一个低维空间的向量近似地表示这个高维向量。

因为对于这个高维向量,只有包含最多信息的那些维上的数据才有意义,而那些不重要的维可以在计算中忽略,降维之后的低维向量不会损失掉特征间的差异性。这就是主成分分析的思想。

有关主成分分析(PCA),早在1901年,高尔顿(回归理论的创立者)的学生皮尔逊就发布了基本原理。PCA的基本原理是:一

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00031.html

EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d