为什么在主成分分析中要最大化方差?

我在学习主成分分析时发现其目标是最大化方差,但我不是很理解其中的原因。任何相关的解释都会对我有帮助。


回答:

方差是衡量你所拥有数据“变异性”的指标。理论上,成分的数量可能是无限的(实际上,正如@jazibjamil指出的,经过数字化处理后,其数量最多等于矩阵的秩),因此你希望在你构建的有限成分集中“压缩”尽可能多的信息。

如果夸张地说,你只选择一个主成分,你会希望它能够解释尽可能多的变异性:因此寻找最大方差,这样一个成分就能从数据集中收集到最多的“独特性”。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注