问一下在PCA中是对谁进行SVD，是对数据矩阵还是对其协方差矩阵
1条回答 默认 最新
- 2022-09-29 21:56回答 1 已采纳 协方差矩阵具体可以看链接说的比较详细 深入理解PCA与SVD的关系 - 知乎 先简单回顾下主成分析 PCA(principle compon
- 2022-12-26 11:57回答 2 已采纳 是的，如果你有100个样本，6列特征列，那么这个数据集是六维的。使用 PCA 进行降维时，你可以选择降到任意维度，例如 2 维。如果你使用 PCA 降维到 2 维，你将得到一个 100 行 2 列的矩
- 2022-04-23 11:45回答 2 已采纳 都正确. 如果是浮点数就表示保留的比例详情可以看官方文档或者源码
- 2020-04-02 16:57林三撇的博客 PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。本篇主要从线性代数角度分析PCA。 问题分析 给定矩阵X⊆Rm∗nX \mathbb \subseteq \mathbb R^{m*n...
- 2023-03-21 16:54回答 1 已采纳 不知道你这个问题是否已经解决, 如果还没有解决的话: 这篇文章讲的很详细，请看：PCA 异常检测如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更
- 2022-10-07 10:27回答 1 已采纳 不知道你这个问题是否已经解决, 如果还没有解决的话: 请看👉 ：SciKit-Learn 可视化数据:主成分分析(PCA)如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相
- 2022-10-07 15:08回答 1 已采纳 假设你的数组一个是1xn的然后你有m个数组，那么可以拼接成 mxn的矩阵，对矩阵进行降维就可以了
- 2021-01-26 10:53Jayphone17的博客 求协方差矩阵特征值、特征向量 特征向量→特征矩阵→对角化 import numpy as np from scipy import linalg C = np.array([[6,4],[4,6]]) evalue, evector = linalg.eig(C) #求解特征值和特征矩阵 print(evalue) ...
- 2020-08-15 22:43回答 1 已采纳 PCA就是用来降维的，去掉无关的维度，然后再可视化。
- 2017-09-02 07:48回答 3 已采纳 看了一天的百度，我要是老板，我觉得你是故意的。 
- 2022-10-29 08:19回答 1 已采纳 主成分分析是对原来的因变量进行线性组合，将原本的空间投影到更低维度的空间。比如你这有9个变量，你设置4，最后得到的就是9个变量的4种线性组合方式，并不是从9个变量中挑选出4个。
- 2023-02-10 18:05Ayakanoinu的博客 SVD与PCA原理及联系
- 2021-11-08 20:48回答 1 已采纳 为啥没办法还原哟？ [coeff1,score1,latent,tsquared,explained,mu1] = pca(data,'algorithm','als'); data2 = score
- Liangjun_Feng的博客 在高等代数里，矩阵分解是一个十分基础与重要的内容，任何一个学校对于理工科的研究生教育都会开设相应的课程，如：矩阵分析、矩阵论、线性系统等。看了不少社区的问答、笔记和博客，在它们的基础上加入一些自己的...
- 2023-12-31 01:38禅与计算机程序设计艺术的博客 在这些应用中，特征值分解(Principal Component Analysis，PCA)是一种常用的方法，它可以用于降维、压缩和提取图像的主要特征。 本文将从以下六个方面进行阐述： 背景介绍 核心概念与联系 核...
- 没有解决我的问题, 去提问
问题事件
系统已结题
10月8日
已采纳回答
9月30日-
创建了问题
9月29日
悬赏问题
- ¥15 素材场景中光线烘焙后灯光失效
- ¥15 请教一下各位，为什么我这个没有实现模拟点击
- ¥15 执行 virtuoso 命令后，界面没有，cadence 启动不起来
- ¥50 comfyui下连接animatediff节点生成视频质量非常差的原因
- ¥20 有关区间dp的问题求解
- ¥15 多电路系统共用电源的串扰问题
- ¥15 slam rangenet++配置
- ¥15 有没有研究水声通信方面的帮我改俩matlab代码
- ¥15 ubuntu子系统密码忘记
- ¥15 保护模式-系统加载-段寄存器