2024線性算法與主成分分析算法_第1頁(yè)
2024線性算法與主成分分析算法_第2頁(yè)
2024線性算法與主成分分析算法_第3頁(yè)
2024線性算法與主成分分析算法_第4頁(yè)
2024線性算法與主成分分析算法_第5頁(yè)
已閱讀5頁(yè)，還剩17頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

LinearDiscriminant歷史：RonaldA.Fisher在1936將特征空間（數(shù)據(jù)集中的多維樣本）kLinearDiscriminantLinearDiscriminant 目標(biāo)：找到該投影LinearDiscriminantLinearDiscriminantLinearDiscriminant散列矩陣（scattermatrices）：類內(nèi)散布矩陣Sw=S1+S2：LinearDiscriminant????LinearDiscriminant那就會(huì)使得有無(wú)窮解，我們將分母限制為長(zhǎng)度為 （w就是矩陣的特征向量了主成分分析主成分分析PrincipalComponent目標(biāo)：提取最有價(jià)值的信息（基于方差主成分分析主成分分析解 主成分分析主成分分析主成分分析主成分分析主成分分析主成分分析主成分分析主成分分析方向：如何選擇這個(gè)方向（或者說(shuō)基）才能盡量保留最多的原始信息呢？主成分分析主成分分析如果單純只選擇方差最大的方向，后續(xù)方向應(yīng)該會(huì)和方差最大的方向接近重合。解決方案：為了讓兩個(gè)字段盡可能表示更多的原始信息，主成分分析主成分分析將一組N維向量降為K維（K大于0，小于N），目標(biāo)是選擇K個(gè)單位正交基，使矩陣對(duì)角線上的兩個(gè)元素分別是兩個(gè)字段的方差，而其它元素是a和b主成分分析主成分分析協(xié)方差矩陣對(duì)角化：即除對(duì)角線外的其它元素化為0，并且在對(duì)角線上協(xié)方差矩陣對(duì)角化：主成分分析主

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論