安裝中文字典英文字典辭典工具!
安裝中文字典英文字典辭典工具!
|
- 如何通俗易懂地讲解什么是 PCA（主成分分析）？ - 知乎
这又将是一个不好的总结。所以pca寻找能够尽可能好地重建原本特性的属性。 令人惊讶的是，结果这两个目标是等效的，所以pca可以一箭双雕。 配偶：但是，亲爱的，这两个pca的“目标”听起来可不一样，为什么它们会是等效的？ 你：嗯。也许我应该画一点
- PCA图怎么看？ - 知乎
主成分分析（pca）是一种用于数据降维、特征选择的统计分析方法，目的是减少数据的维度，同时保留尽可能多的信息。找到一个新的坐标系，使得数据在新的坐标系下的方差最大。 pca结果怎么看呢？
- 独立成分分析 ( ICA ) 与主成分分析 ( PCA ) 的区别在哪里？ - 知乎
通过PCA，我们可以得到一列不相关的随机变量 \mathbf{w}_1^T\mathbf{x},\ldots,\mathbf{w}_n^T\mathbf{x}, 至于这些随机变量是不是真的有意义，那必须根据具体情况具体分析。最常见的例子是，如果x的各分量的单位（量纲）不同，那么一般不能直接套用PCA。比如，若x的几个
- 有问题，就会有答案 - 知乎
知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、影视
- 怎么理解probabilistic pca？ - 知乎
1、pca的两种理解：最大化方差、最小化投影损失 这部分理解比较常见，公式的推导也比较容易，可以用拉格朗日乘子法发现两种理解的最终解相同。 2、pca的应用：压缩数据、数据预处理（数据“白化”）、数据可视化（降维到2维进行绘图）
- 什么时候使用PCA和LDA？ - 知乎
pca与lda的区别： （1）PCA是无监督模型，利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值； （2）LDA是有监督模型，假设了 各类样本的协方差矩阵相同且满秩 。
- 在主成分分析法中，是否对样本容量的多少有规定？样本容量是不是越多越好？ - 知乎
当你这么做的时候，你就是在做pca了。 具体怎么找这个平面呢，在概念上，你首先找到数据点分布范围最广、即方差最大的那个方向（上图绿色箭头），然后在剩下的与其垂直的所有方向中再找另一个方差最大的方向（上图蓝色箭头）。
- 统计学中的潜在因素模型 (Latent Factor Model) 和主成分分析 (PCA) 有什么区别与联系？ - 知乎
pca完全等价于去中心化的svd,和svd相比他只关心方差的变化，去掉了本身的偏置。 而Latent Factor Model又被称作SVD，但是它和pureSVD还是有区别的，首先LMF只用2个矩阵，而SVD有3个，其次，它的优化目标函数RMSE就是矩阵的F范数，这个和SVD一样，但是还要加个正则项。
|
|
|