进行主成分分析后如何正确的对主成分进行解释？

2022-02-23 21:48:26 +08:00
 huzhikuizainali
1118 次点击
所在节点    机器学习
4 条回复
bilberry
2022-02-26 06:45:50 +08:00
学习图像处理时接触了点 PCA ，我觉得在建立联系正确的情况下，无论代表什么意义，只要适合当前所要解决的问题都是可行的。关键是这个 PCA 能不能代表这一类数据，我理解主成分分析就是为了找 discrimination ，至于上述两种方法可以都用下结果做对比，看下 error 。哪个 error 小，说明就更适合当前问题。
bilberry
2022-02-26 06:48:58 +08:00
体现在空间坐标系（ feature space ）就是不同类别的点相对分散
huzhikuizainali
2022-02-26 07:48:02 +08:00
@bilberry 谢谢回复。
我的这个提问，可能更好的反映了我的疑问。
huzhikuizainali
2022-02-26 08:51:19 +08:00
@bilberry https://www.v2ex.com/t/836166#reply0

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/836028

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX