知识卡片
解释方差衡量压缩保留量
每个成分的解释方差比是其特征值除以全部特征值之和。累计比率量化保留的总体平方变化。原书鸢尾花示例前两项约为 92.46% 和 5.30%,可用于二维展示。这个统计量不衡量分类可分性,标签仅用于对散点着色。
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
- 数据降维:深入理解PCA的来龙去脉 · 查看原书依据
其特征维度可解释的方差占比情况为[ 0.92461621 0.05301557 0.01718514 0.00518309],这说明4个特征值中有2个特征比较显著,因此可以考虑将原始特征从4维降到2维。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第5章《数据降维:深入理解PCA的来龙去脉》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter005.xhtml)
- 结论依据:鸢尾花示例先输出各成分占比,再据此选择二维展示。
- 原始内容:其特征维度可解释的方差占比情况为[ 0.92461621 0.05301557 0.01718514 0.00518309],这说明4个特征值中有2个特征比较显著,因此可以考虑将原始特征从4维降到2维。