知识卡片
用载荷解释低维坐标
每个主成分由原始特征线性组合得到,载荷可用来检查哪些变量沿所选方向贡献较大。书中把 178 个红酒样本从 13 维投影到二维,观察类别是否分开。图中的分离是探索结果,仍需独立评估分类表现。
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
- 机器学习中的数据预处理 2.3.3 · 查看原书依据
关系,如图2-10所示。颜色由深到浅代表从-0.5到0.4的数值,如果某个特征对应的数字是正数,说明它与主成分之间是正相关的关系;如果是负数,说明它与主成分之间是负相关的关系。
参考来源
- 位置:《AI制胜:机器学习极简入门》第2章 机器学习中的数据预处理 §2.3.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter2.xhtml#isbn9787302555513_2_1_2_7)
- 结论依据:原文展示红酒二维投影和原特征与主成分的关系图。
- 原始内容:关系,如图2-10所示。颜色由深到浅代表从-0.5到0.4的数值,如果某个特征对应的数字是正数,说明它与主成分之间是正相关的关系;如果是负数,说明它与主成分之间是负相关的关系。