Bak*_*war 3 python visualization machine-learning matplotlib pca
我目前正在阅读t-SNE可视化技术,并且提到使用PCA可视化高维数据的一个缺点是它只保留 了点之间的大的成对距离.在高维度上相距很远的意义点在低维度上也会显得相距甚远,但除了所有其他点距离被搞砸之外.
有人可以帮助我理解为什么这是什么,它是什么意思图形化？
非常感谢!
不要将PCA与降维相混淆.
PCA是一种旋转变换,它使数据与轴对齐,使得第一维具有最大方差,其余为第二维最大方差等.旋转保持成对距离.
使用PCA进行降维时,可以丢弃具有最小方差的旋转数据的尺寸.当点远离平均值时,实现高方差.低方差维度是那些值大多相同的维度,因此假定它们的缺失对成对距离的影响最小.
| 归档时间： |
|
| 查看次数： |
398 次 |
| 最近记录： |