scikit-learn机器学习——第十章 复习题

1.什么是PCA算法？它的作用是什么？

Principal Component Analysis，主成分分析法。把高纬度数据在损失最小的情况下转换为低维度数据的算法。

2.PCA算法的计算过程是怎么样的？

归一化和缩放

计算协方差矩阵的特征向量

数据降维和恢复

3.PCA算法的物理含义是什么？

投影

4.是否可以用PCA算法来解决过拟合问题？为什么？

可以，减少了特征的个数，就减少了模型的参数，即复杂度

5.怎么样确定PCA算法是的k参数？

画出数据还原率和选择特征k个数的曲线图，按照数据还原的要求，取k值。

6.矩阵叉乘的物理意义是什么？

迁移，变换，运动

7.登录kaggle.com,从www.kaggle.com/c/digit-recognizer/data下载数字手写识别数据集，并对这个数据集进行训练，把训练结果提交到kaggle.com上。