算法理解之主成分分析法

Posted fengyeqiubai

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法理解之主成分分析法相关的知识,希望对你有一定的参考价值。

主成分分析法就是通过正交变换将存在相关性的原始变量变量转换成不相关的新变量,将其中贡献度低的变量舍弃掉,贡献度可以理解为变量的方差,方差越大,贡献度越高,正交变换前后变量存在的信息量是相同的,只是把更多的信息集中起来,舍弃存在少量信息的变量,达到降维的目的。

运用主成分的前提是变量之间存在相关性

主成分分析法的实质的正交变换,正交变换实质就是矩阵的对角化,使得协方差矩阵为对角矩阵,各个变量之间的相关性为0。

如何确定主成分数量,累计贡献度达到90%左右

如何确定主成分所代表的的含义:通过找到荷载矩阵每一行的绝对值最大值,例如下图

技术分享图片

 

小结

技术分享图片

 

以上是关于算法理解之主成分分析法的主要内容,如果未能解决你的问题,请参考以下文章

OpenCV 例程200篇236. 特征提取之主成分分析(OpenCV)

特征选择方法之主成分分析

降维实例之主成分分析

OpenCV 例程200篇235. 特征提取之主成分分析(sklearn)

OpenCV 例程200篇235. 特征提取之主成分分析(sklearn)

降维之主成分分析法(PCA)