知识卡片
核主成分分析
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?
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
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
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