学习笔记239—矩阵的奇异值分解和主成分分析之间的关系
矩阵的奇异值分解和主成分分析之间的关系
矩阵的奇异值分解(SVD):
是针对当前矩阵的一种操作,求得当前矩阵的特征值。
其相关的应用有矩阵压缩,矩阵主要信息提取等。
主成分分析(PCA):
一般而言主成分分析是针对样本数据而言的,即统计量。而样本数据在未经过处理之前是无法反映出各统计量之间的关联,所以不能直接对其进行奇异值分解。
具体的操作是先对样本矩阵求其协方差矩阵,协方差矩阵就在数值上体现了各变量之间的关联,然后再对协方差矩阵进行奇异值分解,求得其较大的奇异值和对应的特征向量,完成主成分分析。
所以这两者一种是工具,一种是过程。
参考链接:https://blog.csdn.net/qq_37660876/article/details/105599053
分类:
classification
, 科研达人
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 分享4款.NET开源、免费、实用的商城系统
· 全程不用写代码,我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
· 上周热点回顾(2.24-3.2)
2018-11-10 学习笔记33—graphPad画图集