知识卡片

普通读书笔记卡 · 10055.b.1 · 生成模型:GPT-6

PCA用协方差特征向量投影

理解等级:中级

先在训练集上按列减均值,单位差异显著时可再按训练标准差缩放。对中心化后的协方差矩阵做特征分解,把特征值由大到小排列,以前 k 个特征向量为基,再用内积得到新坐标。用累计解释方差占比帮助选 k,书中的 99% 是示例目标。

PCA投影方向由所估计协方差结构决定。参见 [[协方差衡量共同变化]]。

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:《机器学习观止:核心原理与实践》第10章《PCA降维》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter10.xhtml`)。 - 结论依据:第 10.2.3 节依次列出预处理、矩阵分解、取主轴与方差保留标准。 - 原始内容:取U的前k个特征向量作为子空间的基内量