PCA(主成分分析)法で
次元削減、データ圧縮
最も重要な方向でデータを探す:方向のサンプル間の最も重要なギャップがある最大分散の方向を、
最初の超平面の直交二方向に最も適したを見つけるには
PCAアルゴリズムの流れ
この図は、最初のステップではなく、集中よりも、分権化されなければならない、正しく記述されていません
具体的には、突起部は:固有値と固有ベクトルは固有ベクトル行列Pとしてそれぞれを含むk番目の行ベクトルに対応します
直接の特性変数は次のように掛けました。それだけで一次元次元削減した後、2次元データであることが判明しました。
我々はいくつかの固有値と対応する固有ベクトルを残して、いくつかの次元の特性を保持したいです。