PCA（主成分分析）
Back to Home
01. 数据维度
02. 较棘手的数据维度
03. 一维或二维？
04. 略微不完美的数据
05. 最棘手的数据维度
06. 用于数据转换的 PCA
07. 新坐标系的中心
08. 新坐标系的主轴
09. 新系统的第二主成分
10. 练习：查找中心
11. 练习：查找新轴
12. 哪些数据可用于 PCA
13. 轴何时占主导地位
14. 可测量的特征与潜在的特征练习
15. 从四个特征到两个
16. 在保留信息的同时压缩
17. 复合特征
18. 最大方差
19. 最大方差的优点
20. 最大方差与信息损失
21. 信息损失和主成分
22. 相邻复合特征
23. 用于特征转换的 PCA
24. 最大主成分数量
25. PCA 的回顾/定义
26. 将 PCA 应用到实际数据
27. 安然财务数据的 PCA
28. sklearn 中的 PCA
29. 何时使用 PCA
30. 用于人脸识别的 PCA
31. 特征脸方法代码
Back to Home
17. 复合特征
复合特征
Question:
Start Quiz:
Solution:
INSTRUCTOR NOTE:
新参数的分布是怎么样的？
Next Concept
