spss |
您所在的位置:网站首页 › spss权重估计结果解读图片 › spss |
文章目录
概念应用场景优缺点优点缺点
spss实例8、将原始特征数据进行标准化计算过程
概念
一个非监督学习的降维方法只需要特征值分解,就可以对数据进行压缩,去噪旨在利用降维思想,把多指标转化为少数几个的综合指标每个主成分都能够反映原始变量的大部分信息,且信息不重复
应用场景
在一个图像矩阵中,有些元素特征不明显,很难用来做识别,而有些元素特征很明显,表明其方差很大(元素的方差可以度量其相对整个样本的离散度),这些元素就可以作为图像识别的主要依据, PCA的作用就是,去除那些方差小,特征不明显的维,保留方差大,特征明显的维 优缺点 优点仅仅需要以方差衡量信息量,不受数据集其他因素的影响 各主成分正交, 计算方法简单,主要运算是特征值分解,易于实现 缺点主成分各个特征维度的含义具有一定的模糊性,不如原始样本特征的解释性强 方差小的非主成分也可能含有对样本差异的重要信息,因降维丢弃可能对后续数据处理有影响 spss实例1、如果有缺失值,要先对数据进行处理 3、找到主成分分析
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |