scikitlearn机器学习——第十章复习题

1.什么是PCA算法&＃xff1f;它的作用是什么&＃xff1f;

Principal Component Analysis&＃xff0c;主成分分析法。把高纬度数据在损失最小的情况下转换为低维度数据的算法。

2.PCA算法的计算过程是怎么样的&＃xff1f;

归一化和缩放

计算协方差矩阵的特征向量

数据降维和恢复

3.PCA算法的物理含义是什么&＃xff1f;

投影

4.是否可以用PCA算法来解决过拟合问题&＃xff1f;为什么&＃xff1f;

可以&＃xff0c;减少了特征的个数&＃xff0c;就减少了模型的参数&＃xff0c;即复杂度

5.怎么样确定PCA算法是的k参数&＃xff1f;

画出数据还原率和选择特征k个数的曲线图&＃xff0c;按照数据还原的要求&＃xff0c;取k值。

6.矩阵叉乘的物理意义是什么&＃xff1f;

迁移&＃xff0c;变换&＃xff0c;运动

7.登录kaggle.com,从www.kaggle.com/c/digit-recognizer/data下载数字手写识别数据集&＃xff0c;并对这个数据集进行训练&＃xff0c;把训练结果提交到kaggle.com上。