主成分分析（PCA）是一种基于变量协方差矩阵对数据进行压缩降维、去噪的有效方法，PCA的思想是将n维特征映射到k维上（k0时说明 X和 Y是正相关关系，协方差<0时 X和Y是负相关关系，协方差为0时 X和Y相互独立。 协方差的计算是针对两维的，对于n维的数据集，可以计算C(n,2)种协方差...
分类：
编程语言 时间：
2015-01-05 23:08:15
阅读次数：
453
协方差的意义转载于：http://bbs.mathchina.com/cgi-bin/topic.cgi?forum=5&topic=14444（感谢原作者）在概率论中，两个随机变量 X 与 Y 之间相互关系，大致有下列3种情况：当 X, Y 的联合分布像上图那样时，我们能够看出，大致上有： X 越...
分类：
其他好文 时间：
2015-01-02 22:21:27
阅读次数：
191
主成份分析就是求出原始数据矩阵的协方差矩阵对应的特征值和特征向量，对特征值进行由大而小的排序，再根据特征值对应的特征向量进行线性变换，得到新的向量（新的向量间相互正交）。通过设定阈值可以用低维的新向量近似表示高维的原向量（协方差矩阵为非奇异的）；若协方差矩阵为奇异的，且零特征值较多，这种情况使用低维的新向量也可以完全表示高维原向量。...
分类：
其他好文 时间：
2014-12-26 16:51:22
阅读次数：
255
半变异函数/协方差云工具显示了一个数据集内的所有位置对的经验半变异函数和协方差值，并且将其作为分隔两位置的距离的函数进行绘制，如以下示例所示：
半变异函数/协方差云工具可以用来检查数据集中空间自相关的局部特征以及查找局部异常值。半变异函数云的形式如下：
在上图中，每个红点显示根据分隔两个数据点的距离绘制的经验半变异函数值(组成一对的两个数据点的值的平方差...
分类：
其他好文 时间：
2014-12-25 18:20:20
阅读次数：
531
白化是一种重要的预处理过程，其目的就是降低输入数据的冗余性，使得经过白化处理的输入数据具有如下性质：(i)特征之间相关性较低；(ii)所有特征具有相同的方差。
白化处理分PCA白化和ZCA白化，PCA白化保证数据各维度的方差为1，而ZCA白化保证数据各维度的方差相同。PCA白化可以用于降维也可以去相关性，而ZCA白化主要用于去相关性，且尽量使白化后的数据接近原始输入数据。
1...
分类：
其他好文 时间：
2014-12-25 16:25:46
阅读次数：
312
交叉协方差云显示了两个数据集间的所有位置对的经验交叉协方差，并且将其作为两位置间距离的函数对其进行绘制。...
分类：
其他好文 时间：
2014-12-24 14:45:41
阅读次数：
180
注意：输入ROI MASK 时 截图要保留功能连接-结果出来的是时间序列与相关系数矩阵相关系数矩阵对称位置的数是相同的 因为功能连接没有方向性但是顺序性一定要明确，因此输入ROI MASK时顺序一定要注意
分类：
其他好文 时间：
2014-12-24 11:29:34
阅读次数：
187
http://www.cnblogs.com/chaosimple/p/3182157.htmlhttp://blog.csdn.net/goodshot/article/details/8611178一、统计学的基本概念统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样...
分类：
其他好文 时间：
2014-12-23 23:50:34
阅读次数：
338
“交叉协方差云”工具可用于研究两个数据集之间的交叉相关。考虑臭氧（数据集 1）和 NO2（数据集 2）之间的关系。...
分类：
其他好文 时间：
2014-12-19 14:30:33
阅读次数：
200
在学到相关性度量的时候，有一个系数用来度量相似性(距离)，这个系数叫做皮尔逊系数，事实上在统计学的时候就已经学过了，仅仅是当时不知道还能用到机器学习中来，这更加让我认为机器学习离不开统计学了。皮尔逊相关系数——Pearson correlation coefficient，用于度量两个变量之间的相关...
分类：
其他好文 时间：
2014-12-19 14:25:28
阅读次数：
217
