LR&PCA&KPCA

《Python机器学习》Sebastian Raschka著，机械工业出版社

定义

LR:给定一个自变量 x 和因变量 y ，拟合一条直线使得样例数据点与拟合直线之间的距离最短，最常用的是采用平均平方距离来计算。（P3）

PCA：在高维数据中找到最大方差的方向，并将数据映射到一个维度不大于原始数据的新的子空间上。（P77）

KPCA：通过非线性映射将数据转换到一个高维空间，然后在此高维空间中利用标准PCA将其映射到另外一个低维空间。（P92）

区别与联系

联系：都是降维

区别：

1、LR在纵轴方向上差的平方之和最小，PCA为垂直于向量方向上的差的平方之和最小。

2、KPCA非线性升维，之后等价于PCA

posted @ 2020-06-29 12:01  Math&Nav  阅读(242)  评论(0)  编辑  收藏  举报