pca運用在監督學習演算法下，可以對資料x降維，從而加速學習演算法的速度。
如下所示，我們的訓練集x是10000維向量，我們可以通過pca將其降維成z是1000維的向量，此時訓練集從（x,y）變成（z,y）。每次輸入x都通過pca的對映變成z，然後再帶入到假設函式中計算。
除了加速學習演算法的速度，pca還可以減少記憶體的需求。
當然，有時也會發生一些不好的運用pca的例子。
比如我們不應該利用pca來避免過擬合，雖然這樣做可能有時候會有點改進，但是我們還是會保留99%的方差。所以我們應該用更加實用的正則化來避免過擬合。
還有就是我們在設計乙個機器學習系統時，我們有時列舉的專案計畫一開始就包括了運用pca來降維，但是這是不可取的做法，我們應該首先考慮的是，不使用pca的情況下，整個系統會得到什麼結果，而不是一開始就花費大量時間去運用pca降訓練集降維。
PCA方法的應用場景
pca principal component analysis pca 是主成分分析方法，是一種較為粗糙的降維方法，對於小樣本量的資料來說，它不如因子分析方法實用。但是當資料量較大時，主成分分析方法就有了用武之地了。pca方法常用於人臉識別。當樣本資料成千上萬時，維數上千時，pca是非常有效的一種...
PCA 應用，簡單的電影推薦
這篇部落格主要介紹 pca演算法的應用 ratings.dat 場次 和 movies.dat 第二步 pandas 讀取資料 第三步 建立乙個m u 的rating 矩陣，m 是電影，u是使用者。user1 id user2 id movie1 id20 movie2 id21 movie2 id...
opencv自帶的PCA降維應用（一）
好啦，下面進入正題 首先在降維之前我提取的vlad特徵是60 64維的，即3840維，我的庫有5063張，所以降維前我的庫的vlad特徵是5063 3840，我們給他取個名，叫vlad all，是5063行，3840列哦，行和列不要弄混了，我想把3840維的特徵降為128維，也就是減少30倍，最終使...