技术栈

主页 > AI >

【机器学习】主成分分析(PCA)

技术栈 - 中国领先的IT技术门户

        利用假期的闲余时间,开始系统地学习机器学习的相关知识,希望可以从理论层面进行比较深入的学习。同时,希望通过学习笔记便于以后的复习,也希望对大家有所帮助。

        在许多领域和应用中,我们往往需要分析大量的指标,这样最突出的缺点就是计算量大,同时,变量之间的相关性可能对分析带来不便。因此,我们就需要在尽量减少原指标信息损失的情况下,对待分析的指标进行压缩。

        主成分分析(Principal Components Analysis)是一个简单的机器学习算法,作为一种重要的数据降维方法,它在数据压缩等领域有广泛的应用。

        对于PCA的基本思想以及使用方法不了解的,可以参考以下两篇博客。

主成分分析(PCA)原理详解

        主成分分析(PCA)原理总结

        这里,我主要想自己推导一下PCA的公式,从而对PCA的原理有一个更加深刻的理解。

        写到这里,突然发现简书不支持LaTeX,突然一阵悲伤,只能上传图片了。

        参考书籍: the matrix cookbook (密码: gv2j)

责任编辑:admin  二维码分享:
本文标签: PCA分析学习原理成分指标