主成成分分析-PCA(principal component annlysis)
Posted go-ahead-wsg
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了主成成分分析-PCA(principal component annlysis)相关的知识，希望对你有一定的参考价值。
PCA是用来给多维数据降维，分析提取主成分的一种算法；
怎么实现的呢？首先说明，在已标注和未标注的数据上都有降维技术，PCA是一种在对未标注数据的降维技术。
在PCA中，数据从原来的坐标系转换到了新的坐标系，新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴的选择和第一个坐标轴正交且具有最大方差的方向。该过程一直重复，重复次数为原始数据中特征的数目。我们会发现，大部分方差都包含在最前面的几个新坐标轴中。因此，我们可以忽略余下的坐标轴，即对数据进行了降维处理。
需要掌握的相关概率知识：协方差的意义和计算公式（包含均值、方差、标准差）
以上是关于主成成分分析-PCA(principal component annlysis)的主要内容，如果未能解决你的问题，请参考以下文章
R语言使用psych包的principal函数对指定数据集进行主成分分析PCA进行数据降维（输入数据为相关性矩阵）计算主成分评分系数每个样本（观察）的主成分得分由主成分分数系数构建的公式得到
主成分分析（Principal Component Analysis，PCA）与因子分析（factor analysis）
主成分分析（principal components analysis, PCA）
PCA（principal component analysis）主成分分析降维和KPCA（kernel principal component analysis）核