知识卡片
PCA用协方差特征向量投影
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?
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
- PCA降维 · 查看原书依据
取U的前k个特征向量作为子空间的基内量
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