知识卡片
主成分分析构造新轴
主成分分析通过线性变换构造相互正交的新方向,并优先保留数据变化较大的方向,将高维数据投影到较低维。它不是简单挑选原始列;方差大也不必然表示对监督任务最有预测价值,降维可能损失信息。
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
- · 第5章 机器学习
原书出处 · 1 处
- 机器学习 · 查看原书依据
主成分分析实质上是一个基变换,使得变换后的数据有最大的方差。
参考来源
- 位置:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文说明 PCA 构造正交特征、通过基变换保留方差。
- 原始内容:主成分分析实质上是一个基变换,使得变换后的数据有最大的方差。