1、pca名字是主成分分析方法，是一种使用最广泛的数据降维算法。
2、pca的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。
3、pca的工作就是从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与数据本身是密切相关的。
4、其中，第一个新坐标轴选择是原始数据中方差最大的方向，第二个新坐标轴选取是与第一个坐标轴正交的平面中使得方差最大的，第三个轴是与第轴正交的平面中方差最大的。
5、依次类推，可以得到n个这样的坐标轴。
6、通过这种方式获得的新的坐标轴，我们发现，大部分方差都包含在前面k个坐标轴中，后面的坐标轴所含的方差几乎为于是，我们可以忽略余下的坐标轴，只保留前面k个含有绝大部分方差的坐标轴。
7、事实上，这相当于只保留包含绝大部分方差的维度特征，而忽略包含方差几乎为特征维度，实现对数据特征的降维处理。
© 版权声明
本信息内容为用户上传，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。 如遇侵权请及时联系本站删除。
相关文章
暂无评论...
量子科技网导航收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，量子科技网还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！