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。
图解机器学习
大数据技术
0+阅读 · 2017年11月13日
【2017-33期】This Week in Extracellular Vesicles
外泌体之家
0+阅读 · 2017年9月9日
人脸实践篇 | 基于Caffe的年龄&性别识别
计算机视觉战队
1+阅读 · 2019年3月19日
金融圈如何玩转机器学习(二)
私募工场
0+阅读 · 2017年7月10日
13张动图助你彻底看懂马尔科夫链、PCA和条件概率!
算法与数学之美
0+阅读 · 2018年9月9日
手把手教你用LDA特征选择
AI研习社
12+阅读 · 2017年8月21日
部分遮挡下的人脸识别技术
计算机视觉战队
5+阅读 · 2019年12月29日
独家 | 手把手带你用无监督学习检验国际美食!
数据派THU
0+阅读 · 2018年9月17日
参考链接
微信扫码咨询专知VIP会员