0
参考以下链接What does dimensionality reduction mean?,尺寸缩小可以很好地解释电影和人物示例 但我无法理解的是数学特征矢量如何成为电影的特征,为什么特征矢量和没有任何其他矢量尺寸缩小如何适用于文档分类
参考以下链接What does dimensionality reduction mean?,尺寸缩小可以很好地解释电影和人物示例 但我无法理解的是数学特征矢量如何成为电影的特征,为什么特征矢量和没有任何其他矢量尺寸缩小如何适用于文档分类
大多数载体携带一些信息在其中。所以任何矢量都可以完成这项工作(事实上,由于复杂性,我们通常只计算近似特征向量)。
特征向量具有保持大部分方差的好特性,即强特征向量具有最多信息,而最后的特征向量可能对于较早特征向量完全是多余的。
为了降低维度,您希望尽可能少地使用尽可能多的信息。所以PCA/SVD是一个合理的选择。
但也有基于随机预测的降维技术。
为什么特征向量解释了矩阵中最多的变异 – Rajan 2014-10-13 12:35:03
这就是PCA投影的定义,其中第一分量具有最大方差。参见Jolliffe I.T. Principal Component Analysis,Series:Springer Series in Statistics,2nd ed。,Springer,NY,2002,XXIX,487 p。 28 illus。 ISBN 978-0-387-95442-4 – 2014-10-13 16:56:21