在统计中,主成分分析(PCA)是一种通过最大化每个维度的方差来将较高维度空间中的数据投影到较低维度空间中的方法。给定二维,三维或更高维空间中的点集合,可以将“最佳拟合”线定义为最小化从点到线的平均平方距离的线。可以从垂直于第一条直线的方向类似地选择下一条最佳拟合线。重复此过程会产生一个正交的基础,其中数据的不同单个维度是不相关的。 这些基向量称为主成分。
图解机器学习
大数据技术
0+阅读 · 2017年11月13日
BAT机器学习面试1000题(561~565题)
七月在线实验室
1+阅读 · 2018年10月26日
策略解读丨统计风险模型初探
优矿量化实验室
2+阅读 · 2017年9月7日
13张动图助你彻底看懂马尔科夫链、PCA和条件概率!
算法与数学之美
0+阅读 · 2018年9月9日
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
希腊发现亚欧大陆最早的智人化石
知识分子
0+阅读 · 2019年7月11日
【主成分分析法】NLPer的断舍离(下篇)
深度学习自然语言处理
0+阅读 · 2020年4月18日
【2018-37期】This Week in Extracellular Vesicles
外泌体之家
0+阅读 · 2018年9月14日
独家 | 手把手带你用无监督学习检验国际美食!
数据派THU
0+阅读 · 2018年9月17日
视频 | 认识黄金比例、白银比例等贵金属比例
遇见数学
0+阅读 · 2018年12月31日
中国环境经济发展研究报告2017:水资源可持续利用
科学出版社
0+阅读 · 2017年12月30日
Barra利率风险模型
私募工场
0+阅读 · 2017年7月27日
参考链接
微信扫码咨询专知VIP会员