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。
主成分分析用于可视化(附链接)
大数据文摘
1+阅读 · 2022年3月14日
估计点云中的曲面法线
计算机视觉life
2+阅读 · 2020年12月7日
【NLP笔记】理论与实践详解词向量
AINLP
0+阅读 · 2020年10月30日
【NLP笔记】理论与实践详解词向量
深度学习自然语言处理
0+阅读 · 2020年10月18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
【主成分分析法】NLPer的断舍离(上篇)
深度学习自然语言处理
0+阅读 · 2020年4月18日
主成分分析法:NLPer的断舍离(上篇)
AINLP
0+阅读 · 2020年4月18日
主成分分析法:NLPer的断舍离(下篇)
AINLP
0+阅读 · 2020年4月18日
多因素问题分析时,如何确立各因素权重?
人人都是产品经理
74+阅读 · 2020年3月4日
参考链接
微信扫码咨询专知VIP会员