机器学习笔记 主成分分析(PCA)

PCA(主成分分析)是一种用于降低数据集维度的技术,旨在保留大部分信息。PCA通过创建新的基向量,按照特征值大小排序,从而减少冗余维度。在OpenCV中,PCA类提供了数据降维和预处理的功能,常用于人脸识别和其他图像处理任务。PCA计算的数据投影有助于数据的可视化和解释。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、PCA概述

        PCA 解决的是什么问题呢?

        设想有一个数据集*𝑥(𝑖); i = 1, … , m+,其中𝑥(𝑖) ∈ ℝ𝑛。比如每个x 代表一辆车,x 的属性可能是车的最高速度,每公里耗油量等。如果有这样两个属性,一个是以千米为单位的最大速度,一个是以英里为单位的最大速度。这两个速度很显然是线性成比例的,可能会因为数字取整的缘故有一些小小的扰动,但不影响比例。所以实际上,数据的信息量是n-1 维的,多1 维并不包含更多的信息。PCA 解决的就是将多余的属性去掉的问题。

        大型数据集在许多学科中越来越普遍。为了解释这些数据集,需要以一种可解释的方式大幅降低它们的维度,从而保留数据中的大部分信息。为此目的开发了许多技术,但主成分分析 (PCA) 是最古老且应用最广泛的技术之一。它的想法很简单——减少数据集的维度,同时尽可能多地保留“可变性”(即统计信息)。

        尽管它被使用并且有时被重新发明,但在许多不同的学科中,它本质上是一种统计技术,因此它的大部分开发都是由统计学家完成的。

二、大致原理

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值