pca原理剖析
矩陣的秩 特徵向量 特徵值是什麼？
此篇部落格主要分析pca有什麼劣勢以及產生的原因，對pca還不清楚的可以結合上面兩個部落格從多角度深入了解pca。
因為pca需要對資料進行預處理，第一步需要對其進行中心化，如果資料的尺度不統一，還需要標準化。通常的標準化方式是除以標準差。這裡可能就出出現乙個問題，比如標準差很小，接近於零，尤其是被雜訊汙染的資料，雜訊的標準差對資料的放大作用更顯著，而沒被雜訊汙染的資料其在標準化的過程中放大作用較小。
使用pca進行線性降維後樣本間的非線性相關性有可能會丟失。
判斷是否是線性降維過程可以用乙個線性變換表示決定。pca降維的過程可以通過資料乘以乙個矩陣表示，因此就是乙個樸素的線性變換。
pca主成分分析 PCA主成分分析（中）
矩陣 matrix，很容易讓人們想到那部著名的科幻電影 駭客帝國 事實上，我們又何嘗不是真的生活在matrix中。機器學習處理的大多數資料，都是以 矩陣 形式儲存的。矩陣是向量的組合，而乙個向量代表一組資料，資料又是多維度的。比如每個人的都具有身高 體重 長相 性情等多個維度的資訊資料，而這些多維度...
穩定幣GUSD的優劣勢分析
在幣圈，有人乘著牛市東風一夜暴富，也有人不幸趕上熊市傾家蕩產，漲跌大起大落是幣圈的常態，在如此不穩定的幣市，投資者們都想尋求一些穩定。接著，穩定幣誕生了。2018年下半年，穩定幣引起了各路投資者的高度關注，其中gusd是穩定幣的代表之一，本文就和大家詳細聊聊gusd的優劣勢。gusd是什麼？2018...
主成分分析PCA
主要參考這篇文章 個人總結 pca是一種對取樣資料提取主要成分，從而達到降維的目的。相比於上篇文章介紹到的svd降維不同，svd降維是指減少資料的儲存空間，資料的實際資訊沒有缺少。個人感覺pca更類似與svd的去噪的過程。pca求解過程中，涉及到了svd的使用。針對資料集d 假設di 的維度為 w ...