2013年1月13日

PCA算法 原理与实现

摘要: 本文主要基于同名的两篇外文参考文献A Tutorial on Principal Component Analysis。 PCA,亦即主成分分析,主要用于对特征进行降维。如果数据的特征数非常多,我们可以认为其中只有一部分特征是真正我们感兴趣和有意义的,而其他特征或者是噪音,或者和别的特征有冗余。从所有的特征中找出有意义的特征的过程就是降维,而PCA是降维的两个主要方法之一(另一个是LDA). Jonathon Shlens的论文中举了一个物理学中测试理想情况下弹簧振动的例子,非常生动,详见[1](中文翻译见[5])。 我们首先看一下给定一个代表数据记录的矩阵A,如果计算其主成分P,并如何利用. 阅读全文

posted @ 2013-01-13 14:26 潘的博客 阅读(6496) 评论(1) 推荐(1) 编辑

导航