在统计中,主成分分析(PCA)是一种通过最大化每个维度的方差来将较高维度空间中的数据投影到较低维度空间中的方法。给定二维,三维或更高维空间中的点集合,可以将“最佳拟合”线定义为最小化从点到线的平均平方距离的线。可以从垂直于第一条直线的方向类似地选择下一条最佳拟合线。重复此过程会产生一个正交的基础,其中数据的不同单个维度是不相关的。 这些基向量称为主成分。
  1. 主成分分析(PCA)主成分维度怎么选择? - 知乎
  2. Principal Component Analysis (PCA) for Feature Selection...
  3. Principle Component Analysis (PCA) with Scikit-Learn...
  4. Learn R | 数据降维之主成分分析(下)
  5. 主成分分析PCA...
  6. 机器学习用PCA...
  7. PCA...
  8. Introducing principal component analysis — Tutorials on...
  9. Principal Components Analysis · UC Business Analytics...
  10. 做图像分类识别,先对特征数据作用PCA降维,再作用SVM...
  11. 人脸识别matlab源代码? - 知乎
  12. In Depth: Principal Component Analysis | Python Data...
  13. 深度学习笔记 - PCA
  14. 机器学习算法与NLP学习笔记 | Principal Component Analysis
  15. 长难句分析:[by so agreeing]
  16. 推荐阅读
  17. 2.4 R商业分析4:用户特征与KPI...
  18. URnedsuupcteirovnised Learning
  19. Adversarial Principal Component Analysis
  20. Principal Components Analysis | 3 PCA Theory
展开全文
参考链接
微信扫码咨询专知VIP会员