作者:手机用户2502853267 | 来源:互联网 | 2023-06-20 10:25
What&WhyPCA(主成分分析)PCA,Principalcomponentsanalyses,主成分分析。广泛应用于降维,有损数据压缩,特征提取和数据可视化。也被称为Karh
What & Why PCA (主成分分析)
PCA,Principal components analyses,主成分分析。广泛应用于降维,有损数据压缩,特征提取和数据可视化。也被称为Karhunen-Loeve变换
从降维的方法角度来看,有两种PCA的定义方式,这里需要有一个直观的理解:什么是变换(线性代数基础),想整理一下自己线性代数的可以移步我的另一篇文章:【直观详解】线性代数的本质
但是总的来说,PCA的核心目的是寻找一个方向(找到这个方向意味着二维中的点可以被压缩到一条直线上,即降维),这个方向可以:


PCA 主成分分析主要目的是为了减少数据维数,其中Auto-encoder也是一种精巧的降维手段
2What & Why (奇异值分解)
SVD,Singular Value Decomposition,奇异值分解。最直观的解释如下图所示



总结,SVD就是把一个非方阵(压缩变换)分解为一个旋转➜伸缩压缩➜旋转三个变换(矩阵),如上图所示