目的:
使用主成分分析,将数据降维,并尽量减少各个数据之间的相关性
主成分分析主要就是把有相关性的特征合并到一起
做法:
求出数据的协方差矩阵Σ
求出Σ的特征向量(λ1,λ2,,,,,,λn)
求出λi对应的特征向量Ui
Ui就是第i个主成分的系数了,,,,第i个主成分就是Ui * X
第i个主成分的贡献率是λi / Σλk
对数据进行标准化之后,求出的协方差矩阵R可替换Σ作为求主成分的矩阵
目的:
使用主成分分析,将数据降维,并尽量减少各个数据之间的相关性
主成分分析主要就是把有相关性的特征合并到一起
做法:
求出数据的协方差矩阵Σ
求出Σ的特征向量(λ1,λ2,,,,,,λn)
求出λi对应的特征向量Ui
Ui就是第i个主成分的系数了,,,,第i个主成分就是Ui * X
第i个主成分的贡献率是λi / Σλk
对数据进行标准化之后,求出的协方差矩阵R可替换Σ作为求主成分的矩阵
转载于:https://www.cnblogs.com/shensobaolibin/p/10165314.html
道可道,非常道;名可名,非常名。 无名,天地之始,有名,万物之母。 故常无欲,以观其妙,常有欲,以观其徼。 此两者,同出而异名,同谓之玄,玄之又玄,众妙之门。