PCA
本文共 258 字，大约阅读时间需要 1 分钟。
Principal component Analysis
通过对原来坐标系调整位置获得新的坐标系。
最大方差：能够最大程度保持数据信息的压缩算法，
红线的方向就是主要成分的方向，各个点到这条线的距离就是该点的信息损失，距离之合越小信息损失越小。 从这里可以看出PCA的主要用途是用来尽心特征转换的。
主成分的数量跟每个点的特征数量有关，有多少个输入的特征值就有多少个主成分。
何时使用PCA：
- 访问隐藏特征
- 降维的时候使用PCA
PCA 在人脸识别上的使用， 通过降维降低特征数量，在通过SVM向量机对人脸进行分类。
转载地址：http://vswao.baihongyu.com/
你可能感兴趣的文章
android: LayoutInflater使用
查看>>
phalcon的url大小写的问题
查看>>
Tair ldb（leveldb存储引擎）实现介绍
查看>>
【Swift 2.1】为 UIView 添加点击事件和点击效果
查看>>
[ROS]3 Linux编程练习
查看>>
Codeforces 67C Sequence of Balls 编辑距离 dp
查看>>
Git 创建仓库【转】
查看>>
8VC Venture Cup 2016 - Elimination Round C. Block Towers 二分
查看>>
epoll的LT和ET模式
查看>>
Android IOS WebRTC 音视频开发总结（六四）-- webrtc能走多远我不知道，但这个市场真实存在...
查看>>
文件的相对路径和绝对路径以及根相对路径
查看>>
Java-final
查看>>
选择排序（内测第0届第2题）
查看>>
IOS底层数据结构--class
查看>>
经典SQL语句大全_主外键_约束
查看>>
K贪心
查看>>
Cron表达式
查看>>
使用yum高速部署Oracle安装环境(11g)
查看>>
Java8之默认方法和静态接口方法
查看>>
制作Windows U盘镜像
查看>>