模式识别与机器学习—PCA分析

模式识别与机器学习—PCA分析_第1张图片

主成分分析

        将高维空间线性投影到一个低维空间,希望在这个低维空间能够 表征高维空间中的绝大部分信息,即信息损失最小。 关键:找到投影方向

补充知识:

模式识别与机器学习—PCA分析_第2张图片

模式识别与机器学习—PCA分析_第3张图片

模式识别与机器学习—PCA分析_第4张图片

模式识别与机器学习—PCA分析_第5张图片

模式识别与机器学习—PCA分析_第6张图片

模式识别与机器学习—PCA分析_第7张图片

主成分分析(PCA)目标函数1: 最小化重建误差

模式识别与机器学习—PCA分析_第8张图片

模式识别与机器学习—PCA分析_第9张图片

模式识别与机器学习—PCA分析_第10张图片

主成分分析(PCA)目标函数2: 最大投影后的方差

模式识别与机器学习—PCA分析_第11张图片

模式识别与机器学习—PCA分析_第12张图片

模式识别与机器学习—PCA分析_第13张图片模式识别与机器学习—PCA分析_第14张图片

模式识别与机器学习—PCA分析_第15张图片

模式识别与机器学习—PCA分析_第16张图片

模式识别与机器学习—PCA分析_第17张图片

模式识别与机器学习—PCA分析_第18张图片

模式识别与机器学习—PCA分析_第19张图片

模式识别与机器学习—PCA分析_第20张图片

你可能感兴趣的:(模式识别复习,机器学习,人工智能)