|
|
|
|
移动端

2.3.8 PCA——什么是主成分

《深度学习与计算机视觉:算法原理、框架应用与代码实现》本书全面介绍了深度学习及计算机视觉中最基础的知识,并结合最常见的应用场景和大量实例,带领读者进入丰富多彩的计算机视觉领域。作为一本“原理+实践”教程,本书在讲解原理的基础上,通过有趣的实例带领读者一步步亲自动手,不断提高动手能力,而不是枯燥和深奥原理的堆砌。本节为大家介绍PCA——什么是主成分。

作者:叶韵来源:机械工业出版社|2017-10-23 16:31

开发者盛宴来袭!7月28日51CTO首届开发者大赛决赛带来技术创新分享

2.3.8  PCA——什么是主成分

既然高维度带来了如此多的灾难,一个很自然的想法就是降低维度,然后在低维度下解决问题。比如2.3.7节里提到的x'=f(x),如果x'相对于x是一个维度很低的向量,则相当于达到了降维的效果。关于降维,先举一个最简单的例子,即主成分分析(Principal Component Analysis,PCA)

考虑如下的协方差矩阵对应的高斯分布的样本,如图2-33所示。

可以看到,因为x和y轴有相关性,所以样本呈现出沿着y=x方向分布的趋势。如果用一个椭圆将样本“圈”起来,则样本的偏差最大的方向是沿着椭圆的长轴,最小的方向是沿着椭圆的短轴。所以在这个例子中,可以认为沿着长轴的方向就是数据变化剧烈程度的主要方向,稍微正式些的说法就是数据在这个方向上的投影拥有最大的方差,这个方向也就是主成分所在的方向。而短轴所指的方向,同时也是和长轴正交的方向,就是在这个二维例子中数据变化剧烈程度最小的方向。

喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书频道活动讨论群:365934973

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

软件设计师考试考前冲刺预测卷及考点解析

本书依据最新版《软件设计师考试大纲》的考核要求,深入研究了历年软件设计师考试试题的命题风格和试题结构,对考查的知识点进行了提炼,并...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊