主成分分析
From Ufldl
(→Reducing the Data Dimension 数据降维) |
(→PCA on Images 对图像数据应用PCA算法) |
||
Line 601: | Line 601: | ||
\end{align}</math> | \end{align}</math> | ||
对其它应用,如不介意引入稍大的误差,有时也仅保留90-98%的方差范围。若向他人介绍PCA算法,告诉他们你选择的<math>\textstyle k</math>是为保留95%的方差,比告诉他们你保留了前120个(或任意某个数字)主成分更便于他人理解。 | 对其它应用,如不介意引入稍大的误差,有时也仅保留90-98%的方差范围。若向他人介绍PCA算法,告诉他们你选择的<math>\textstyle k</math>是为保留95%的方差,比告诉他们你保留了前120个(或任意某个数字)主成分更便于他人理解。 | ||
+ | |||
+ | |||
== PCA on Images 对图像数据应用PCA算法 == | == PCA on Images 对图像数据应用PCA算法 == | ||
Line 726: | Line 728: | ||
【二审】:如果你处理的图像并非自然图像(比如,手写文字,或者白背景正中摆放单独物体),其他规范化操作可能就值得考虑了,哪种做法最合适也将依赖于具体应用场合,但是对自然图像进行训练时,使用如上所述的整个图像块范围内的均值规范化操作可以放心假定为合理的办法。 | 【二审】:如果你处理的图像并非自然图像(比如,手写文字,或者白背景正中摆放单独物体),其他规范化操作可能就值得考虑了,哪种做法最合适也将依赖于具体应用场合,但是对自然图像进行训练时,使用如上所述的整个图像块范围内的均值规范化操作可以放心假定为合理的办法。 | ||
- | |||
== References 参考文献 == | == References 参考文献 == | ||
http://cs229.stanford.edu | http://cs229.stanford.edu |