1
A
回答
0
通常,PCA是定义为是标准化的数据。
术语PCA用于在其他矩阵(如非中心相关矩阵)上执行SVD的用法是多得多不太常见 - 因为也有一个适当的术语:SVD。此外,在非中心数据上使用它意味着转换对数据转换很敏感;一个人通常不想要的方面。
所以,除非明确说明,你应该假设PCA由
- 围绕数据
- 计算的协方差矩阵
- 协方差矩阵应用SVD分解,并根据需要实施
1
是的,'PCA'小工具既集中和标准化数据。
相关问题
- 1. PCA pca = new PCA
- 2. 星火PCA顶部组件
- 3. MatLab中PCA返回的是什么?
- 4. PCA,TruncatedSVD和ICA有什么区别?
- 5. PCA解释
- 6. PCA分析
- 7. OpenCV PCA问题
- 8. 情节PCA
- 9. R - PCA功能
- 10. 通过PCA在sklearn中减小尺寸
- 11. PCA识别OpenCV 2.3
- 12. PCA分析与PySpark
- 13. PCA R中长型
- 14. PCA和KNN算法
- 15. OpenCV 2.4.3 PCA类 - 当样本数小于维数
- 16. PCA上的组件数量受样本数量的限制
- 17. scikit-learning如何对libsvm格式的稀疏数据执行PCA?
- 18. Sklearn PCA是pca.components_的装载?
- 19. 了解MATLAB中的PCA
- 20. 非线性pca(eqn)中的协方差矩阵..为什么它与线性pca不同?
- 21. 保留PCA中的特定组件
- 22. PCA:结果矩阵n-1行
- 23. 使用PCA进行图像压缩
- 24. 为什么使用Sklearn将错误的簇投影到PCA上?
- 25. PCA投影数据R
- 26. 手势识别(PCA) - Python
- 27. SciKit-Learn:基本PCA混淆
- 28. PCA双标图 - 箭长度
- 29. Excel大数据计算(PCA ...)
- 30. 如何使用PCA预测