采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
只有当数据点有两个维度的时候,才有这个结论。比如数据点有三个维度,求出第一主成分以后,每个数据点减去第一主成分的分量以后,结果是这个数据点在第2,3两个主成分上的位置,而不是第二个主成分的位置。
同理,推广到n维数据,当得到第一主成分以后,每个数据点减去在第一主成分上的分量,得到的是在剩下的2,3,4,...,n维度的分量的总和。所以我们要在剩下的主成分中再找第一主成分,就是全局的第二主成分,以此类推:)
加油!:)
老师,你看我这样理解对吗? 拿三维来讲,求出第一主成分w1后,空间上的原始点照我那种算法得出来的这些点,不是在一个向量上,而是在与w1垂直的一个平面上,所以还要继续将这平面上的点用梯度上升法求出第二主成分w2。
非常正确!:)
非常感谢!
登录后可查看更多问答,登录/注册
Python3+sklearn,兼顾原理、算法底层实现和框架使用。
2.5k 19
3.4k 17
2.9k 15
1.6k 15
1.4k 14