2018年11月25日

【模式识别与机器学习】——PCA与Kernel PCA介绍与对比

摘要： PCA与Kernel PCA介绍与对比 1. 理论介绍 PCA：是常用的提取数据的手段，其功能为提取主成分（主要信息），摒弃冗余信息（次要信息），从而得到压缩后的数据，实现维度的下降。其设想通过投影矩阵将高维信息转换到另一个坐标系下，并通过平移将数据均值变为零。PCA认为，在变换过后的数据中，在某一 阅读全文

posted @ 2018-11-25 14:28 Charlie_ODD 阅读(979) 评论(0) 推荐(0) 编辑

【模式识别与机器学习】——PCA主成分分析

摘要： 基本思想 其基本思想就是设法提取数据的主成分（或者说是主要信息），然后摒弃冗余信息（或次要信息），从而达到压缩的目的。本文将从更深的层次上讨论PCA的原理，以及Kernel化的PCA。 引子 首先我们来考察一下，这里的信息冗余是如何体现的。如下图所示，我们有一组二维数据点，从图上不难发现这组数据的两 阅读全文

posted @ 2018-11-25 13:47 Charlie_ODD 阅读(1664) 评论(0) 推荐(0) 编辑