pca原理：將n維資料對映到由k維相互正交的向量確定的空間上。
實現流程:
1.計算原特徵資料的協方差矩陣，並計算協方差矩陣的特徵值。
2.按照大小對所計算的特徵值進行排序，選取前k大的特徵值所對應的特徵向量，將其轉化為單位向量。
3.對所有資料都減去其對應的平均值，做中心化。這相當於得到期望值為0，標準差為1的標準高斯分布（個人認為中心化的目的是為了計算方差方便，和讓樣本平移到座標原點讓模型更易理解）。
4.將資料投影到k維空間：讓中心化後的樣本矩陣與特徵向量矩陣相乘
pca的實現流程結束，得到k維的新樣本資料。
基於最大方差原理推導pca，首先理清思路：
1.目標函式為方差最大化
2.方差最大化時候的特徵向量是
PCA推導與直觀理解
資料降維 為了說明什麼是資料的主成分，先從資料降維說起。資料降維是怎麼回事兒？假設三維空間中有一系列點，這些點分布在乙個過原點的斜面上，如果你用自然座標系x,y,z這三個軸來表示這組資料的話，需要使用三個維度，而事實上，這些點的分布僅僅是在乙個二維的平面上，那麼，問題出在 如果你再仔細想想，能不能把...
PCA 的思路和推導
pca是一種較為常用的降維技術，pca的思想是將n維特徵對映到k維上，這k維是全新的正交特徵。這k維特徵稱為主元，是重新構造出來的k維特徵。在 pca中，資料從原來的座標系轉換到新的座標系下，新的座標系的選擇與資料本身是密切相關的。其中，第乙個新座標軸選擇的是原始資料中方差最大的方向，第二個新座標軸...
Paxos演算法原理與推導
一 問題產生的背景 在分布式系統中，必然會存在服務宕機 或網路異常 如網路延遲 訊息亂序 訊息丟失等 等狀況。paxos基於容錯的分布式環境，實現在集群內部對某個值達成最終一致的分布式演算法。注1 服務不存在拜占庭將軍問題 不存在叛徒 也即集群內的機器可以隨時發生宕機重啟，但不能做出有違約定的行為。...