基本思想

對一組特征通過線性組合計(jì)算出一組新特征，新特征之間不相關(guān)，重要性最高的新特征之間方差最大，可以用重要性前幾個(gè)特征（主成分）來代表所有特征。

注意，選擇較少的主成分來表示數(shù)據(jù)不僅可以降維，還可以用來降噪，但是主成分對特定分類任務(wù)并不敏感。

構(gòu)建方法

構(gòu)建樣本的協(xié)方差矩陣，進(jìn)行奇異值分解，主元1應(yīng)該匹配最大奇異值對應(yīng)的奇異向量，主元2匹配最小奇異值對應(yīng)的奇異向量。

參考資料：https://www.zhihu.com/question/41120789/answer/474222214

猜你喜歡：👇🏻
?【算法】一個(gè)簡單的線性判別分析（LDA）原理
?【算法】一個(gè)簡單的k均值（k-means）原理
?【算法】一個(gè)簡單的K近鄰（KNN）原理

總結(jié)

以上是生活随笔為你收集整理的【算法】一个简单的主成分分析（PCA）原理的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。