知识卡片
核主成分在Gram矩阵求解
在映射后的空间做 PCA 时,把非零方差的主轴写成训练样本映射的加权和。特征空间内积改用核矩阵,特征问题就可以在样本系数上求解。仍需在特征空间中心化,可通过核矩阵的双中心化实现。
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
- 第10章 降维与度量学习 · 查看原书依据
此时的目标是求出,等价于求出满足上式的.显然,此时满足的一定满足上式,所以问题转化为了求解满足
参考来源
- 位置:《机器学习公式详解》第10章 降维与度量学习(book-source:`extracted/机器学习公式详解/_epub-src/text/part0016.html`,式(10.24))
- 结论依据:式(10.24)将特征空间投影方向展开在训练样本张成的空间。
- 原始内容:此时的目标是求出,等价于求出满足上式的.显然,此时满足的一定满足上式,所以问题转化为了求解满足