搜索资源列表
对高维数据采用PCA进行降维处理
- 对高维数据采用PCA进行降维处理，主成分个数采用累积方差贡献率的方法确定
pca
- PCA数据降维，利用MATLAB进行开发学习-PCA of data dimensionality reduction, using MATLAB to develop learning
pca
- 主成分分析程序,应用于图像特征提取，数据降维等方面 -the code of PCA
PCA
- 主分量分析,用于高维数据降维或提取目标特征。程序精简，效率高. -Principal Component Analysis is used to make data dimensionality reduction or extract target characteristics。
wine
- pca-kmeans聚类 先将数据(wine,uci数据集)降维处理，在进行聚类-pca-kmeans clustering use the data of uci:wine.
pca
- 主成分分析程序，可用于数据降维及特征提取。-Principal component analysis procedures, can be used for data dimensionality reduction and feature extraction.
pca
- 非线性降维方法 可以应用于高维数据的机器学习-Nonlinear dimensionality reduction methods can be applied to high-dimensional data, machine learning
PCA
- 优化后的PCA 能对数据进行降维 很实用-PCA can be optimized for data dimensionality reduction is very useful
PCA
- 用于模式识别中的PCA降维输入数据data和option。data是一个矩阵，每一行代表一个样本。option是选择降维到多少维。-[eigvector, eigvalue] = PCA(data, options) [eigvector, eigvalue] = PCA(data)
empca
- PCA特征降维，用于图像处理人脸识别等模式识别领域和数据挖掘两领域-PCA feature reduction, image processing for face recognition and other pattern recognition and data mining of two areas
pca
- PCA技术的一大好处是对数据进行降维的处理。我们可以对新求出的“主元”向量的重要性进行排序，根据需要取前面最重要的部分，将后面的维数省去，可以达到降维从而简化模型或是对数据进行压缩的效果。同时最大程度的保持了原有数据的信息。-A major advantage of PCA technology is reduce the dimension of the data processing. We can calculate the new " principal component&qu
pca
- 实现pca功能，进行数据降维，使算法简单化-Realize pca functions, to data dimension reduction, the method is simple
K-Means PCA降维
- K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.(K-Means algorithm does not require the establishment of the model after the new prediction of the results, there is no corresponding tag, but only on the character
pca降维
- pca数据降维算法，很好的解决数据灾难的问题。(PCA data dimensionality reduction algorithm, a good solution to the problem of data disaster.)
11数据降维_配套代码
- 这是吴恩达在course公开课上讲的数据降维的作业的代码，主要是应用PCA对数据降维(This is Wu Enda in the course open class lectures on data dimension reduction operations code, mainly using PCA for data dimensionality reduction)
PCA
- 采用INP数据（145*145*200），该数据有16个类别， PCA进行数据降维，然后对降维数据采用kNN分类（k=1）。(Using INP data (145*145*200), the data has 16 categories, PCA carries out data reduction, and then uses kNN classification for dimensionality reduction data (k=1).)
pca算法实现
- 通过Python实现了PCA数据降维的方法(The method of reducing the dimension of PCA data through Python)
pca
- 大数据降维方法，具体的处理了图像等，包括数据的冗余部分，利用PCA技术快速降维。(Large data dimensionality reduction method.Specifically dealing with images, including redundant parts of data, and using PCA technology to reduce dimensionality rapidly.)
NM_PCA
- PCA降维算法，本程序已经调好，可以直接跑数据(PCA dimension reduction algorithm, this program has been adjusted, you can run data directly)
pca
- 应用于数据降维的一种MATLAB程序，可以实现从高维到低维的降解(A matlab program applied to data dimensionality reduction can realize the degradation from high dimension to low dimension)