机器学习实战——第十三/十四章:利用PCA和SVD来简化数据

本文介绍了降维技术在机器学习中的重要性,重点讲解了PCA(主成分分析)和SVD(奇异值分解)的原理与应用。PCA通过最大化方差来选择坐标轴,常用于降低数据复杂度,但可能丢失部分信息。SVD在信息检索和推荐系统中有广泛应用,能捕捉数据中的重要特征,并可用于图像压缩。在实际操作中,需根据累计方差百分比决定保留的主成分数量。

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

本系列目的在于总结每一个分类器的特点(优点、缺点、使用数据类型、使用时的注意事项等)。相关代码自己搜。


python:建议使用2.7

python常用函数库:NumPy、scikit-learn等

python集成环境:anaconda


毕业季,玩了20天。


降维的好处:

使数据集更易使用;降低算法开销;去除噪声;使结果更易理解。


常见的降维技术:

主成分分析(principal component analysis,pca)。在pca中,数据从原来的坐标系转换到了新的坐标系,新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向,第二个新坐标轴的选择和第一个坐标轴正交且具有最大方差的方向。该过程一直重复,重复次数为原始数据中特征的数目。我们会发现,大部分方差都包含在最前面的几个新坐标轴中。因此,我们可以忽略余下的坐标轴,即对数据

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