既然我们说PCA也是一种机器学习的算法,那PCA的目标函数或者说损失函数是什么呢?
1个回答
简单说来就是要让原始点和PCA还原后的点之间的欧式距离越小越好。
比如说原数据矩阵是$n\times m$的$A$,降维后的数据(样本成分)是$n\times p$的$N$,以及特征成分是$p \times m$的矩阵$M$。
在给定$p$的情况下,PCA的目标函数就是
$$\min \|A-NM\|_F$$
就是原始点和PCA后还原点的两两欧式距离之和。
相关主题
为什么PCA被称作非监督式学习?
2回答
PCA降维之前为什么要先标准化?
2回答
PCA需要正态性作为提前假设吗?
0回答
PCA降维中的特征值和特征向量
2回答
PCA和SVD是一回事吗?
1回答
PCA会降低分类器的精度吗?
3回答
除了PCA,还有什么降维的方法?
11回答
sklearn.decomposition.PCA方法中fit, fit_transform, transform应该怎么用
1回答
在使用PCA降维时,有哪些坑?
6回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出!