1. 矩阵分解可以用来解决什么方法, 以及how? 利用矩阵分解来解决实际问题的分析方法很多，如PCA(主成分分析)、ICA(独立成分分析)、SVD(奇异值分解)、VQ(矢量量化)等。在所有这些方法中，原始的大矩阵V被近似分解为低秩的V=WH形式。这些方法的共同特点是，因子W和H中的元素可为正或负， ...
分类：
其他好文 时间：
2020-01-10 22:12:43
阅读次数：
95
PCA的流程： 代码参考：https://www.cnblogs.com/clnchanpin/p/7199713.html 协方差矩阵的计算 https://docs.scipy.org/doc/numpy/reference/generated/numpy.cov.html 思想： https: ...
分类：
其他好文 时间：
2019-12-28 09:56:21
阅读次数：
86
原文链接：http://tecdat.cn/?p=9839 总览 在监督学习中，我们通常可以访问n个 观测值的p个 特征 集 ，并 在相同观测值上测得的 Y。 无监督学习是一组没有相关的变量 Y的方法。在这里，我们重点介绍两种技术… 主成分分析：用于数据可视化或在其他监督学习方法之前进行预处理的工具 ...
分类：
编程语言 时间：
2019-12-26 00:09:34
阅读次数：
146
PCA(主成分分析)方法浅析 降维、数据压缩 找到数据中最重要的方向：方差最大的方向，也就是样本间差距最显著的方向 在与第一个正交的超平面上找最合适的第二个方向 PCA算法流程 上图第一步描述不正确，应该是去中心化，而不是中心化 具体来说，投影这一环节就是：将与特征值对应的k个特征向量分别作为行向量 ...
分类：
其他好文 时间：
2019-11-30 21:07:21
阅读次数：
116
本文参考自：https://github.com/apachecn/AiLearning/blob/master/src/py2.x/ml/13.PCA/pca.py https://github.com/lawlite19/MachineLearning_Python#%E5%85%ADpca%E ...
分类：
编程语言 时间：
2019-11-11 09:53:11
阅读次数：
90
PCA的概念： 主要思想是将n维特征映射到k维上，这k维是全新的正交特征，这k维特征被称为主成分，在原数据的基础上重新构造出来k维。就是从原始的空间顺序的找出一组相互正交的坐标轴，新坐标轴的选择和数据本身有很大的关系。其中，第一个坐标轴是从原数据中方差最大的方向，第二个新坐标轴选择是与第一个坐标轴正 ...
分类：
其他好文 时间：
2019-10-14 12:10:42
阅读次数：
210
主成分分析（principal components analysis,PCA） 用基础的线性代数知识能够推导出主成分分析（principal components analysis,PCA）这一简单的机器学习算法。 1、出发点：在n维实线性空间中我们有m个点的集合{x(1),x(2),...,x( ...
分类：
其他好文 时间：
2019-10-02 14:34:38
阅读次数：
115
主成分分析(PCA, Principal Component Analysis) 一个非监督的机器学习算法 主要用于数据的降维处理 通过降维,可以发现更便于人类理解的特征 其他应用:数据可视化,去噪等 主成分分析是尽可能地忠实再现原始重要信息的数据降维方法 原理推导: 如图,有一个二维的数据集,其特 ...
分类：
其他好文 时间：
2019-08-18 13:51:09
阅读次数：
480
前言：机器学习所使用的数据大多具有很多的特征，想要直观的对数据的分布和特征之间的关系进行观测，需要将数据的主要特征提取出来，降低到三维及三维以下的空间来展示。 PCA(主成分分析)是常用的用于降维的方法，本文通过PCA对数据进行降维，再对降维后的数据用K-means算法聚类，以达到在低维空间可直观观 ...
分类：
其他好文 时间：
2019-07-19 21:20:35
阅读次数：
141
设有$m$个指标，$n$个样本的原始数据 1. 将原始数据按列组成矩阵 $X _ { n \times m }$ 2. 将$X$ 的每一列进行中心化 3. 求$X$的协方差矩阵$\Sigma _ { X } = \frac { 1 } { n 1 } X ^ { T } X$ 4. 求出 $\Sig ...
分类：
编程语言 时间：
2019-07-06 09:13:50
阅读次数：
137
