升星星，散分分。。。[9]

xwsn007 2010-01-29 11:37:19

以后来的次数少了，还是把主要精力放在工作和学习上，呵呵
不过，有空的时候，还是可以来逛逛嘀，这里的氛围狠好，希望人气越来越高！！！

(分分留着也没用，不如散给大家花)

散分无罪，接分有理！

...全文

437 81 打赏收藏转发到动态举报

写回复

81 条回复

切换为时间正序

请发表友善的回复…

发表回复

abzhang2 2010-02-02

打赏
举报

回复

JF

liuchui2009 2010-02-02

打赏
举报

回复

jf

datoucaicai 2010-02-02

打赏
举报

回复

jf!

e01620230 2010-02-02

打赏
举报

回复

JF

liumenghappy 2010-02-02

打赏
举报

回复

jf

qinglisheng 2010-02-02

打赏
举报

回复

jf

plee1037 2010-02-02

打赏
举报

回复

jf

WizardK 2010-02-02

打赏
举报

回复

jf

Abcix 2010-02-02

打赏
举报

回复

过来接分了

「已注销」 2010-02-01

打赏
举报

回复

说得好

JF

flyerwing 2010-02-01

打赏
举报

回复

接分

rayyear 2010-02-01

打赏
举报

回复

jf

Eleven 2010-02-01

打赏
举报

回复

JF

C你 2010-02-01

打赏
举报

回复

顶，积分

vercitti 2010-02-01

打赏
举报

回复

恭喜

dirdirdir3 2010-02-01

打赏
举报

回复

jf

onlyliu 2010-02-01

打赏
举报

回复

jf

memese 2010-02-01

打赏
举报

回复

我也喜欢来这里逛，，顺便赚点分

这不是鸭头 2010-02-01

打赏
举报

回复

jff

chenyu2202863 2010-02-01

打赏
举报

回复

星星多了，就没价值了

加载更多回复（61）

导言主成份分析这种方法，其实算是一种比较“古老”的方法了。不过目前计量经济学中仍然经常使用——用于数据的降维。所谓降维就是将原来很多个自变量（由于共线性，大部分自变量是多余的）提炼成少数几个新（虚构的/合成的）新变量，但同时又尽可能的减少由于降维损失的信息。还有一种情形也可能需要使用主成份分析。当我们感兴趣的几个变量在模型中的系数都不显著的时候，而且他们之前又可能存在某种关系（如前面提到的共线性）...

主成分分析（PCA）是一种有效的降维技术，通过线性变换将高维数据转换为低维表示。其核心步骤包括数据标准化、计算协方差矩阵、提取主成分及数据转换。PCA在Python中的实现过程涵盖数据预处理、PCA算法应用和结果可视化，能有效处理多重共线性、降低噪声并压缩数据。然而，PCA也存在解释性差、信息丢失等局限性，且对数据缩放敏感。该方法适用于线性关系数据，但在处理非线性数据和大数据集时可能面临挑战。通过合理选择主成分数量，PCA能够保留数据的主要特征，为后续分析提供高效的降维解决方案。

转自：https://www.cnblogs.com/jerrylead/archive/2011/04/18/2020216.html 主成分分析（Principal components analysis）-最小平方误差解释接上篇 3.2 最小平方误差理论假设有这样的二维样本点（红色点），回顾我们前面探讨的是求一条直线，使得样本点投影到直线上的点的方差最大...

最近在搞一个有趣的项目：用菜市场大爷都能听懂的数学方法（主成分分析），配合Matlab实现人脸特征提取，最后塞进二维码玩点花样。主成分分析：一个正交化线性变换，把数据变换到一个新的坐标系统中，使得这一数据的任何投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。这里有个骚操作：把每张100x100的图片拉成10000维的列向量，整个数据集堆成n×10000的矩阵。有趣的是，这种方案在光照变化大的场景下比传统方法更稳，因为PCA自动过滤了次要变异因素。

1,663

社区成员

58,948

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章