PCA+ICA

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了PCA+ICA相关的知识,希望对你有一定的参考价值。

PCA+ICA

 

 

独立成分分析(ICA)是基于信息理论的,也是最广泛使用的降维技术之一。PCA和ICA之间的主要区别在于PCA寻找不相关的因素,而ICA寻找独立因素。

from sklearn.decomposition import FastICA
from sklearn.decomposition import PCA
>>> from sklearn.datasets import load_digits 
>>> from sklearn.decomposition import FastICA 
>>> X, _ = load_digits(return_X_y=True)
>>> transformer = FastICA(n_components=7,...         random_state=0)
>>> X_transformed = transformer.fit_transform(X)>>> X_transformed.shape(1797, 7)

以上是关于PCA+ICA的主要内容,如果未能解决你的问题,请参考以下文章

机器学习 —— 基础整理:特征提取之线性方法——主成分分析PCA独立成分分析ICA线性判别分析LDA

使用 scikit 学习重构误差分析的快速 ICA

主成分分析(PCA)原理

PCA和LDA

机器学习--PCA降维和Lasso算法

PCA和LDA