美文网首页机器学习与数据挖掘
PCA 与 eigenfaces

PCA 与 eigenfaces

作者: Dorts | 来源:发表于2017-07-15 10:05 被阅读44次

数学背景介绍： http://blog.jobbole.com/109015/

如何选择合适数量的主成分?

最好也是最笨的方法，就是通过增加主成分的数量，观察分类器的效果，当效果增加不明显或者发生过拟合的时候，就是该停止增加主成分数量的时候。

特征选择和PCA操作应该先执行哪个？

应该先执行PCA，在此基础上再执行特征选择。严禁颠倒顺序，除非对噪音特征有十足的把握可以删除。

特征脸eigenfaces是什么?

一个特征脸就是一个特征向量！特征脸与原始数据做点积操作，就变为一个压缩后的新特征值。由此可见，特征脸（向量）的维度与一个样本的维度是等同的！

image.png

These two links helped me a lot in understanding Principal Component Analysis and what it does, hope it helps you too.

https://onlinecourses.science.psu.edu/stat505/node/54(https://onlinecourses.science.psu.edu/stat505/node/54)[http://setosa.io/ev/principal-component-analysis/

http://setosa.io/ev/principal-component-analysis/

相关文章

  • PCA 与 eigenfaces

    数学背景介绍： http://blog.jobbole.com/109015/ 如何选择合适数量的主成分? 最好也...

  • EigenFaces人脸识别---OpenCV-Python开发

    EigenFaces原理 EigenFaces通常也被称为特征脸，它使用主成分分析（Principal Compo...

  • PCA算法推导

    PCA理解与应用。 Motivation PCA与Factor analysis非常相似，都是主要用于reduct...

  • sklearn：min_faces_per_person=60

    在学习官网Faces recognition example using eigenfaces and SVM的时...

  • 在线作图|如何绘制一张变量相关图（PCA）

    变量相关图（PCA） 变量相关图（Variables - PCA）将PCA主成分分析与变量相结合，通过在同一坐标轴...

  • 关于人脸识别

    opencv的三个人脸识别器EigenFaces Face Recognizer，FisherFaces Face...

  • EOF经验正交分解（PCA）

    EOF经验正交分解（PCA） 1.PCA与EOF的区别和联系 经验正交函数分析方法(empirical ortho...

  • 2020-08-25--PCA降维01

    主要内容 PCA简介 使用梯度上升法解决PCA问题 1.PCA简介 PCA（Principal Component...

  • PCA原理及实现-R

    PCA分析与解释 PCA是一种无参数的数据降维方法，常用的机器学习算法一种，这篇文章主要从PCA应用于解释两个方面...

  • PCA降维

    参考：如何理解主元分析（PCA）？PCA的数学原理转自：python实现PCA ★ PCA思路： 我们的初始矩阵为...

网友评论

    本文标题：PCA 与 eigenfaces

    本文链接：https://www.haomeiwen.com/subject/evpqdttx.html

    延伸阅读

    深度阅读

    • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

    栏目导航

    热点阅读

    机器学习与数据挖掘

    关于我们|服务条款|联系我们|PCA 与 eigenfaces|投稿指南|网站地图|RSS订阅|排版工具|手机版

    提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

    Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

    备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

    本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

    所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！