通俗的理解PCA怎么实现降维的?

本文详细介绍了PCA主成分分析的基本思想,强调了基的选择对于分析的重要性,并解释了如何通过最大化方差来选取主成分。

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

	PCA主成分分析,基本思想是利用基的概念,基一定要保证不相关,所以在向量上体现即为协方差为0,在基上的投影效果越分散越好,数学上即为方差大,所以pca选择方差最大的K个为主成分,这里的方差最大的K个即为特征值最大的K个,意义是一样的。

上面的这句话可能大家觉得乱七八糟,所以对上面的出现过的词进行逐一解释
1.基的概念
在坐标系中我们知道,x轴y轴其实就是一组基,(0,1)、(1,0),任意的点(x,y)即为(x,y)=x(1,0)+y(0,1),x,y其实就是任一点在基上的投影

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

Xuxixixixixixix

你的鼓励将是我创作的最大动力

¥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