- 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