轉載請附上鏈接http://blog.csdn.net/iemyxie/article/details/38236647

算法簡單介紹

主成分分析(PrincipalComponentAnalysis,簡稱PCA)是一種經常使用的基于變量協方差矩陣對信息進行處理、壓縮和抽提的有效方法。

主要用于對特征進行降維。

算法如果

數據的概率分布滿足高斯分布或是指數型的概率分布。

方差高的向量視為主元。

算法輸入

包括n條記錄的數據集

算法輸出

降維或壓縮后的數據集

算法思想

?1.計算全部樣本的均值m和協方差矩陣S； ?2.計算S的特征值。并由大到小排序； ?3.選擇前n'個特征值相應的特征矢量作成一個變換矩陣E=[e1,e2, …, en’]； ?4.最后。對于之前每個n維的特征矢量x能夠轉換為n’維的新特征矢量

??? y=transpose(E)(x-m)

weka執行結果

以weather.nominal.arff為例執行結果部分截圖例如以下：

算法應用

人臉識別

圖像壓縮

信號去噪

轉載請附上鏈接http://blog.csdn.net/iemyxie/article/details/38236647

總結

以上是生活随笔為你收集整理的数据挖掘算法学习（四）PCA算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。