來源

https://www.icourse163.org/course/BIT-1001872001

主成分分析（PCA）

• 主成分分析（Principal Component Analysis，PCA）是最常用的 一種降維方法，通常用于高維數據集的探索與可視化，還可以用作數 據壓縮和預處理等。
• PCA可以把具有相關性的高維變量合成為線性無關的低維變量，稱為 主成分。主成分能夠盡可能保留原始數據的信息。

在介紹PCA的原理之前涉及到的相關術語：

• 方差
• 協方差
• 協方差矩陣
• 特征向量和特征值

方差：是各個樣本和樣本均值的差的平方和的均值，用來度量一組 數據的分散程度

協方差：用于度量兩個變量之間的線性相關性程度，若兩個變量的 協方差為0，則可認為二者線性無關。協方差矩陣則是由變量的協方差值 構成的矩陣（對稱陣）。

特征向量：矩陣的特征向量是描述數據集結構的非零向量，并滿足 如下公式：

A是方陣， ?是特征向量，?

總結

以上是生活随笔為你收集整理的PCA方法及其应用的全部內容，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。