PCA数据降维、数据重建计算步骤

本文详细介绍PCA(主成分分析)的计算步骤,包括数据去中心化、协方差矩阵计算、特征值分解等关键过程,并解释如何通过选取主成分实现数据降维及复原。

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

PCA计算步骤:输入N*M的矩阵 其中,N为样本数,M为特征数

  1. 一、计算N*M的特征均值 1*M,对原始数据去中心化 N*M - 1*M 得到去均值的数据 N*M
  2. 二、计算N*M矩阵的特征协方差矩阵 M*M
  3. 三、计算协方差矩阵的特征值 M*1 与特征向量 M*M
  4. 四、对特征值按从大到小排序,选择前D个特征值对应的特征向量组成主成分向量D*M
  5. 五、数据降维 用输入数据(N*M) 乘以 主成分(D*M).T 得到降维后的数据 N*D
  6. 六、数据复原 输入投影后的数据 1*D, 乘以主成分量 D*M 的到 1*M 的数据,再加上均值 1*M + 1*M 得到重建数据
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
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