文档摘要

3.2 PCA 与降维：方差最大化怎么推 本节摘要：主成分分析寻找数据方差最大的正交投影方向：第一主成分是协方差矩阵最大特征值对应的特征向量，后续成分依次取次大者且彼此正交。本节给出完整推导路径、维数选择标准、与 LDA 及 t-SNE 的选型对照，以及「PCA 该放在切分前还是切分后」这个泄漏陷阱。 上一节的聚类把数据切成块，这一节把数据压扁——两者共享同一个母题：在没有标签的世界里，「方差大」是唯一可以仰仗的信号。 会员。《3.2 PCA 与降维：方差最大化怎么推》收录于灏天文库文集《机器学习算法面试题精选与解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/543-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E9%9D%A2%E8%AF%95%E9%A2%98%E7%B2%BE%E9%80%89%E4%B8%8E%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流