主成分分析(PCA降维)
降维:
LDA—了解
SVD—了解
PCA—重点表示向量的时候是需要确定一组基的。
基的模长是1
降维目标:尽量在投射点上分散,不重合;重合会丢失很多信息。
减去均值好处:5条数据都平面直角坐标系内
方差值越大越分散
协方差—算相关性
补充:线性代数特征值,特征向量知识
eig:可以协方差矩阵的特征值和特征向量有协方差矩阵可以直接求出特征值和特征向量
降维:SVD;LDA。与PCA结果有区别
降维:
LDA—了解
SVD—了解
PCA—重点表示向量的时候是需要确定一组基的。
基的模长是1
降维目标:尽量在投射点上分散,不重合;重合会丢失很多信息。
减去均值好处:5条数据都平面直角坐标系内
方差值越大越分散
协方差—算相关性
补充:线性代数特征值,特征向量知识
eig:可以协方差矩阵的特征值和特征向量有协方差矩阵可以直接求出特征值和特征向量
降维:SVD;LDA。与PCA结果有区别