pca主要是定義乙個x對映到z，且只能在訓練集裡使用pca
當定義完之後，就可以進行交叉驗證和測試集裡使用
主要功能：
減少儲存資料需要的空間
加速學習的演算法
錯誤1使用pca減少資料維度去解決過擬合
應該使用正則化，利用線性回歸等去處理
因為pca會損失一些維度資訊，可能會漏掉重要資訊
而正則化的y值是已知的
錯誤2不要一開始就使用pca
很多時候直接用原始資料也能完成專案
如果一開始就花大量時間想怎麼使用pca怎麼計算k值會浪費大量時間，得不償失。
資料降維PCA 學習筆記
pca降維。基於方差降維，屬於無監督學習。無需資料標籤。使方差 資料離散量 最大，變換後資料分開。更易於分類。可以對隱私資料pca，資料加密。基變換投影 內積 正交的基，兩個向量垂直 內積為0，線性無關 先將基化成各維度下的單位向量。一般把資料寫成列向量的形式，新的基寫成矩陣的形式。基 向量 基要在...
PCA演算法筆記
此博文只是自己的學習筆記，不具參考價值 pca演算法將高維特徵轉換成低維特徵 非線性相關 同時減小計算量。將原始資料按列組成m mm行n nn列矩陣x xx m mm個屬性，n nn個樣本 將x xx的每一行 代表乙個屬性字段 進行零均值化，即減去這一行的均值，得到x x x 求出協方差矩陣c cc...
PCA主成分分析學習筆記
dl書上這一節公式很多，相關的符號有點不習慣，借鑑相關部落格 主要是協方差計算和pca具體原理和python實現部分的講解 希望研究例項能更好幫助大家理解公式和計算過程的具體意義 基礎知識回顧 首先是會看到一些熟悉的公式 均值 方差 以下假設我們有二維資料 借用網上常用的資料好驗證結果正確性 第一步...