主成分分析
From Ufldl
(→Example and Mathematical Background 实例和数学背景) |
|||
| Line 88: | Line 88: | ||
【二审】：PCA算法将选取一个低维空间来投影我们的数据。从下图中可以看出，<math>\textstyle u_1</math>是数据变化的主方向，而<math>\textstyle u_2</math>是次方向。 | 【二审】：PCA算法将选取一个低维空间来投影我们的数据。从下图中可以看出，<math>\textstyle u_1</math>是数据变化的主方向，而<math>\textstyle u_2</math>是次方向。 | ||
| - | |||
[[File:PCA-u1.png | 600px]] | [[File:PCA-u1.png | 600px]] | ||
| Line 179: | Line 178: | ||
【二审】：在我们的示例中，向量<math>\textstyle u_1</math>和<math>\textstyle u_2</math>构成了一个表示数据的新的基。令<math>\textstyle x \in \Re^2</math>为训练样本，那么<math>\textstyle u_1^Tx</math>就是样本点<math>\textstyle x</math>在维度<math>\textstyle u_1</math>上的投影长度（幅值）。同样的，<math>\textstyle u_2^Tx</math>是<math>\textstyle x</math>投影到<math>\textstyle u_2</math>维度上的幅值。 | 【二审】：在我们的示例中，向量<math>\textstyle u_1</math>和<math>\textstyle u_2</math>构成了一个表示数据的新的基。令<math>\textstyle x \in \Re^2</math>为训练样本，那么<math>\textstyle u_1^Tx</math>就是样本点<math>\textstyle x</math>在维度<math>\textstyle u_1</math>上的投影长度（幅值）。同样的，<math>\textstyle u_2^Tx</math>是<math>\textstyle x</math>投影到<math>\textstyle u_2</math>维度上的幅值。 | ||
| - | |||
== Rotating the Data 旋转数据 == | == Rotating the Data 旋转数据 == | ||
