66问答网
所有问题
为什么说主成分分析(PCA)是无监督的方法,而独立成分分析(LDA)是监督方法
如题所述
举报该问题
推荐答案 2017-04-09
因为PCA不需要知道样本的类别,PCA的目的是使得降维后的样本方差最大;LDA需要知道样本的类别标记,使得投影后的样本类内距离近,类之间距离远。
温馨提示:答案为网友推荐,仅供参考
当前网址:
http://66.wendadaohang.com/zd/pUx2UnUvi.html
其他回答
第1个回答 2012-05-13
因为PCA方法计算总体散布矩阵的特征值及对应的特征向量,从几何意义看就是尽量扩大所有样本的投影距离
相似回答
常用降维
方法
之
PCA
和
LDA
答:
使用了核函数的主成分分析一般称之为核
主成分分析(
Kernelized
PCA,
以下简称KPCA。假设高维空间的数据是由n维空间的数据通过映射ϕ产生。则对于n维空间的特征分解: 映射为: 通过在高维空间进行协方差矩阵的特征值分解,然后用和PCA一样
的方法
进行降维。一般来
说,
映射ϕ不用显式的计算...
主成分分析(PCA)
答:
本文介绍的主成分分析(Principe Component Analysis,PCA)也是一种降维技术,与LDA不同的是,
PCA是一种无监督降维技术
,因此PCA的主要思想也与LDA不同。LDA是一种有监督的分类兼降维技术,因此其最大化均值差最小化类内差的思想够保证在降维后各个类别依然能够很好地分开。但PCA只用来降维而无需分类,因此PCA需要考虑的...
机器学习-
LDA(
线性判别降维算法)
答:
LDA,即线性判别分析,与PCA(主成分分析)的策略截然不同
。它是一种有监督的降维技术,其核心理念是最大化类别间的差异,同时保持同一类内的数据点紧凑。LDA基于两个核心假设:数据根据样本均值分类:原始数据的类别区分主要依赖于样本的平均值分布。 共享协方差矩阵:所有类别的数据共享同一个协方差...
pca
算法指的是
什么
?
答:
PCA(principle component analysis),即主成分分析法,是一个非监督的机器学习算法
,是一种用于探索高维数据结构的技术,主要用于对数据的降维,通过降维可以发现更便于人理解的特征,加快对样本有价值信息的处理速度,此外还可以应用于可视化(降到二维)和去噪。PCA与LDA算法的基本思想 数据从原来的坐标系...
降维
分析的方法
包括
答:
降维分析
的方法
包括如下:一、
主成分分析(PCA)
主成分分析是一种常用的数据降维方法。它通过线性变换将高维数据转换为低维数据,保留数据的主要信息。主成分分析的核心思想是将数据变换到一个新的坐标系中,使得数据在新的坐标系中的方差最大。二、线性判别
分析(LDA)
线性判别分析是一种有
监督的
数据降维...
降维算法之
LDA(
线性判别降维算法)--有
监督
答:
1.左 边是
PCA
,属于
无监督方法 ,
当数据没有标签时可以用它。 右边是
LDA
,属于监督学习方法 。考虑了数据的分类信息,这样数据在低维空间上就可以分类了,减少了很多的运算量。2. PCA主要是从特征的协方差角度考虑,追求的是在降维之后能够最大化保持数据的内在信息 。它不考虑分类信息,因此降低维度...
大家正在搜
为什么要进行主成分分析
什么时候用主成分分析
主成分分析PCA
主成分分析怎么做
主成分分析可以用在哪些方面
主成分分析结果怎么用
主成分分析的基本步骤
关于主成分分析的五个问题
pca主成分分析图怎么看
相关问题
工厂里说的PCA是什么意思
主成分分析(PCA)的主要作用是什么呢?
大数据分析师主要是做什么的?没有基础能学吗?
什么是监督分类和非监督分类?
主成分分析(PCA)简介
pca是什么意思
谁能用通俗易懂的语言讲解一下什么是PCA主成分分析
PCA主成分分析原理