PCA（Principal Component Analysis）主成分分析
2016-06-05 09:36
316 查看
非常好的一篇关于主成分分析的文章：
之前对此并没有过多的考虑，这个真的是太失误了；
知识储备：
1：向量内积
2：基
3：方差，协方差，协方差矩阵
4：实对称矩阵对角化
只要学过线性代数就可以完全掌握了。通过学习，对线性代数的理解更加深刻了。
http://blog.codinglabs.org/articles/pca-tutorial.html
之前对此并没有过多的考虑，这个真的是太失误了；
知识储备：
1：向量内积
2：基
3：方差，协方差，协方差矩阵
4：实对称矩阵对角化
只要学过线性代数就可以完全掌握了。通过学习，对线性代数的理解更加深刻了。
http://blog.codinglabs.org/articles/pca-tutorial.html
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 从SVD到PCA——奇妙的数学游戏
- 白化（Whitening）：PCA vs. ZCA
- Kernel PCA
- SVD分解的理解
- 主元分析法PCA学习笔记
- pca 主成分分析
- PCA算法人脸识别小结--原理到实现
- SVD与PCA，奇异值分解与主成分分析的比较
- 主成分分析和因子分析的区别
- vs2010+opencv调试
- PCA实训报告
- PCA + SVM 人脸识别
- 学习pca的一点小小感悟
- 有关PCA(Principal Component Analysis)主成分分析/主累積寄与率元分析
- SVD奇异值分解
- PCA-sift源码解释
- PCA学习过程
- matlab主成分分析函数princomp简介
- 机器学习实战精读--------主成分分析（PCA）
- leetcode 104 Maximum Depth of Binary Tree