没有合适的资源?快使用搜索试试~ 我知道了~
svd算法matlab代码-pca-experiments:通过示例和自定义实现简单解释PCA降维方法
共4个文件
txt:1个
ipynb:1个
md:1个
需积分: 28 11 下载量 150 浏览量
2021-05-27
18:25:39
上传
评论 1
收藏 103KB ZIP 举报
温馨提示
svd算法matlab代码主成分分析(PCA)实验 主成分分析(PCA)非常有用,并且是统计和机器学习中常用的算法之一。 该工具被广泛用于各种应用中,例如用于可视化和分析的降维,压缩,离群值检测和图像处理。 PCA是我最喜欢用于各种任务的工具之一,通常用于可视化目的。 但是,我意识到,一直以来,我一直只是将其用作黑匣子,对它的概念只有很浅的了解。 因此,这激发了我使用PCA的自定义实现创建此存储库的动力。 请注意,此存储库无意描述有关PCA的完整详细信息。 仅显示一些python代码以帮助更好地了解其计算方式。 为了获得更好,更全面的资料,我发现“主成分分析教程” [1]非常有用。 关于PCA 简而言之,该方法对角化输入数据的协方差矩阵。 对角矩阵的属性是所有值都是零,除了对角线上的值必须为非零。 该方法假定输入数据的变量之间存在线性关系,并且删除了它们之间的关系。 有几种计算PCA的方法: 通过协方差矩阵-当特征数比记录数下这是非常有用的。 而且更容易解释这种方法。 通过标产品矩阵-当特征数比记录数较高,这是有用的。 通过奇异值分解(SVD) -这种方法在实践中使用最多(Scikit
资源推荐
资源详情
资源评论
收起资源包目录
pca-experiments-master.zip (4个子文件)
pca-experiments-master
pca_implementation.ipynb 139KB
requirements.txt 237B
README.md 2KB
.gitignore 2KB
共 4 条
- 1
资源评论
weixin_38553837
- 粉丝: 3
- 资源: 954
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功