不知道怎么回事， 博客誤刪了。不想再寫了，列下提綱。

PCA

sigma=(x*x')/size(x,2); [u,s,v]=svd(sigma); xRot = zeros(size(x)); % You need to compute this xRot=u'*x; %以下降維 xHat = zeros(size(x)); % You need to compute this uk=u(:,1:k); xHat=uk*(uk'*x);

PCA白化

xPCAWhite=diag(1./(sqrt(diag(s)+epsilon)))*xRot;

ZCA白化

xZCAWhite=u*xPCAWhite;

總結

注意PCA之前的預處理
(1)特征的均值大致為0；(2)不同特征的方差值彼此相似。對于自然圖片，即使不進行方差歸一化操作，條件(2)也自然滿足，故而我們不再進行任何方差歸一化操作（對音頻數據,如聲譜,或文本數據,如詞袋向量，我們通常也不進行方差歸一化）

特征值lambda j 和xRot的關系

總結

以上是生活随笔為你收集整理的深度学习笔记二:PAC,PAC白化，ZCA白化的全部內容，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。