转载请附上链接http://blog.csdn.net/iemyxie/article/details/38236647
算法简单介绍
主成分分析(PrincipalComponentAnalysis,简称PCA)是一种经常使用的基于变量协方差矩阵对信息进行处理、压缩和抽提的有效方法。
主要用于对特征进行降维。
算法如果
数据的概率分布满足高斯分布或是指数型的概率分布。
方差高的向量视为主元。
算法输入
包括n条记录的数据集
算法输出
降维或压缩后的数据集
算法思想
•1.计算全部样本的均值m和协方差矩阵S；
•2.计算S的特征值。并由大到小排序；
•3.选择前n'个特征值相应的特征矢量作成一个变换矩阵E=[e1,e2, …, en’]；
•4.最后。对于之前每个n维的特征矢量x能够转换为n’维的新特征矢量
y=transpose(E)(x-m)
weka执行结果
以weather.nominal.arff为例执行结果部分截图例如以下：
算法应用
人脸识别
图像压缩
信号去噪
转载请附上链接http://blog.csdn.net/iemyxie/article/details/38236647
