主成成分分析-PCA(principal component annlysis)

标签：公式   技术   说明   原来   特征   概率   转换   ann   均值   

PCA是用来给多维数据降维，分析提取主成分的一种算法；

怎么实现的呢？首先说明，在已标注和未标注的数据上都有降维技术，PCA是一种在对未标注数据的降维技术。

在PCA中，数据从原来的坐标系转换到了新的坐标系，新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴的选择和第一个坐标轴正交且具有最大方差的方向。该过程一直重复，重复次数为原始数据中特征的数目。我们会发现，大部分方差都包含在最前面的几个新坐标轴中。因此，我们可以忽略余下的坐标轴，即对数据进行了降维处理。

需要掌握的相关概率知识：协方差的意义和计算公式（包含均值、方差、标准差）

主成成分分析-PCA(principal component annlysis)

标签：公式   技术   说明   原来   特征   概率   转换   ann   均值   

原文地址：https://www.cnblogs.com/go-ahead-wsg/p/13926460.html