1
A
回答
0
通常,PCA是定義爲是標準化的數據。
術語PCA用於在其他矩陣(如非中心相關矩陣)上執行SVD的用法是多得多不太常見 - 因爲也有一個適當的術語:SVD。此外,在非中心數據上使用它意味着轉換對數據轉換很敏感;一個人通常不想要的方面。
所以,除非明確說明,你應該假設PCA由
- 圍繞數據
- 計算的協方差矩陣
- 協方差矩陣應用SVD分解,並根據需要實施
1
是的,'PCA'小工具既集中和標準化數據。
相關問題
- 1. 星火PCA頂部組件
- 2. PySpark不規則執行的PCA
- 3. MatLab中PCA返回的是什麼?
- 4. PCA,TruncatedSVD和ICA有什麼區別?
- 5. PCA降維
- 6. 增量式PCA
- 7. PCA分析
- 8. 在Weka做PCA
- 9. R - PCA功能
- 10. OpenCV PCA問題
- 11. 情節PCA
- 12. PCA解釋
- 13. Java中的PCA-SIFT
- 14. 添加樣品名到PCA繪製s.class
- 15. Orange PCA和scikit-learn PCA之間的不同結果
- 16. 運行後會發生什麼算法PCA(主成分分析)
- 17. 通過PCA在sklearn中減小尺寸
- 18. OpenCV 2.4.3 PCA類 - 當樣本數小於維數
- 19. 在線PCA在R
- 20. 困難應用PCA
- 21. 關於PCA in R?
- 22. PCA識別OpenCV 2.3
- 23. PCA和KNN算法
- 24. PCA分析與PySpark
- 25. PCA圖,尺寸圖
- 26. PCA分析與Python
- 27. PCA R中長型
- 28. PCA面部識別,實現技術
- 29. PCA上的組件數量受樣本數量的限制
- 30. 如何計算PCA中的行列式?