知识卡片

普通读书笔记卡 · 9929.a.1 · 生成模型:未记录

核主成分分析

理解等级:中级

核主成分分析借助核函数在隐式特征空间中执行主成分分析,以表达原始空间中的非线性结构。它扩展了线性 PCA 的表示方式,但选择核函数及参数仍影响结果,不能保证任意数据经过映射后都线性可分。

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:《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:原文比较线性 PCA 和核 PCA,并描述高维特征空间中的主成分分析;对线性可分的绝对表述予以限定。 - 原始内容:一般来说,主成分分析适用于数据的线性降维,而核主成分分析可实现数据的非线性降维