大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全家桶1年46，售后保障稳定
PCA(Principal Components Analysis)主成分分析，这是一种数据降维算法，用于数据预处理。一般我们获取的原始数据维度都很高，我们可以运用PCA算法降低特征维度。这样不仅可以去除无用的噪声，还能减少很大的计算量。
PCA的算法步骤：
设有m条n维数据。
- 将原始数据按列组成n行m列矩阵X；
- 将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值；
- 求出协方差矩阵C=1mXXTC=1mXXT；
- 求出协方差矩阵的特征值及对应的特征向量；
- 将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P；
- Y=PXY=PX即为降维到k维后的数据。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/234808.html原文链接：https://javaforall.net
