PAC

• • 1 概念
  • 2 流程
  • 3 代碼

1 概念

PCA(Principal Component Analysis，主成分分析)是一個非常有用的降維技巧。它 可以在使用盡可能少維數的前提下，盡量多地保持訓練數據的信息。

2 流程

img --> img_mean -->x = (img - img_mean) --> M= x*x.T --> e,ev =linalg.eigh(M)–>tmp = dot(X.T,EV) --> V = tmp[::-1] -->S = sqrt(e)[::-1]

3 代碼

def pca(x):num_data,dim = x.shapex_mean = x.mean(axis=0)x = x - x_meanif num_data < dim:m = np.dot(x,x.T)e,ev = np.linalg.eigh(m)tmp = np.dot(x.T,ev).Tv = tmp[::-1]s = np.sqrt(e)[::-1]for i in range(v.shape[1]):v[:,i] /= selse:u,s,v = np.linalg.svd(x)v = v[:num_data]return v,s,x_mean

總結

以上是生活随笔為你收集整理的PAC原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。