迈达量化的博客

ONNX（Open Neural Network Exchange）是一种开放的深度学习模型交换格式，类似于JSON格式。它允许将模型从一个深度学习框架转换到另一个框架，以便在不同的平台和设备上进行部署和推理。ONNX的设计目标是提供一个通用的模型表示，使得模型可以在不同的框架之间无缝转换和使用。

线性判别分析（LDA）是一种经典的监督学习的数据降维方法，也叫做Fisher线性判别（FLD）。它的主要思想是将一个高维空间中的数据投影到一个较低维的空间中，且投影后要保证各个类别的类内方差小而类间均值差别大。这意味着同一类的高维数据投影到低维空间后相同类别的聚在一起，而不同类别之间相距较远

主成分分析法（Principal Component Analysis，简称PCA）是种常用的数据降维技术，用于将高维数据集转换为低维表示，同时保留数据的主要特征。PCA通过线性变换将原始数据映射到一个新的坐标系中，新坐标系的选择是使得数据在新坐标系下的方差最大化。因此，在使用主成分分析法时需要注意数据的线性可分性和异常值的处理，同时也需要根据具体问题和数据特点来选择合适的降维方法。通过设置不同的主成分个数，可以得到不同的处理结果，从而对主成分分析法的应用效果进行分析和评估。