“10.1算法原理”的版本间的差异

2018年5月27日 (日) 13:57的版本

PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。 PCA基本数学原理

2018年5月27日 (日) 13:55的版本（查看源代码） 112.38.217.43（讨论）（创建页面，内容为“PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可…”）		2018年5月27日 (日) 13:57的版本（查看源代码） 112.38.217.43（讨论）下一编辑→
第1行：		第1行：
	PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。		PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。
		+	[[PCA基本数学原理]]