首页 > 代码库 > 数据挖掘算法学习(四)PCA算法
数据挖掘算法学习(四)PCA算法
算法简介
主成分分析(PrincipalComponentAnalysis,简称PCA)是一种常用的基于变量协方差矩阵对信息进行处理、压缩和抽提的有效方法。主要用于对特征进行降维。
算法假设
数据的概率分布满足高斯分布或是指数型的概率分布。方差高的向量视为主元。
算法输入
包含n条记录的数据集
算法输出
降维或压缩后的数据集
算法思想
?1.计算所有样本的均值m和协方差矩阵S;
?2.计算S的特征值,并由大到小排序;
?3.选择前n‘个特征值对应的特征矢量作成一个变换矩阵E=[e1,e2, …, en’];
?4.最后,对于之前每一个n维的特征矢量x可以转换为n’维的新特征矢量
y=transpose(E)(x-m)
weka运行结果
以weather.nominal.arff为例运行结果部分截图如下:
算法应用
人脸识别
图像压缩
信号去噪
原创文章,转载请注明出处,谢谢。
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。