上传者: 38627234
|
上传时间: 2022-03-09 10:37:28
|
文件大小: 108KB
|
文件类型: -
文章目录1. 总体主成分分析2. 样本主成分分析3. 主成分分析方法3.1 相关矩阵的特征值分解算法3.2 矩阵奇异值分解算法4. sklearn.decomposition.PCA
主成分分析(Principal Component Analysis,PCA)是一种常用的无监督学习方法
利用正交变换把由线性相关变量表示的观测数据 转换为 少数几个由线性无关变量表示的数据,线性无关的变量 称为 主成分
主成分的个数通常小于原始变量的个数,所以PCA属于降维方法
主要用于发现数据中的基本结构,即数据中变量之间的关系,是数据分析的有力工具,也用于其他机器学习方法的前处理
PCA属于多元统计分析的经