最广泛无监督算法+基础的降维算法
通过线性变换将原始数据变换为一组各维度线性无关的表示，用于提取数据的主要特征分量 →高纬度数据降维
二维数据降维、多维数据降维
1--创建数据
2.1-- 二维数据降维
2.2--形成散点图
3.0-多维度数据降维
3.1--导入数据
3.3-将数据放入PCA进行降维
3.4--创建散点图
4--#如何选取主要维度
6.4.2PCA主成分的python实现方法
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 前言 PCA是一种无参数的数据降维方法，在机器学习中很常用，这篇文章主要从三个角度来说明PCA是怎么降维的分别是方...
- 一前言 特征值 奇异值 二奇异值计算 三PCA 1）数据的向量表示及降维问题 2）向量的表示及基变换 3）基向量 ...
