如何通俗易懂地讲解什么是 PCA（主成分分析）？ - 知乎
原文 Making sense of principal component analysis, eigenvectors & eigenvalues 本文由原作者 amoeba 以 cc by-sa 3.0 with attribution required 许可授权论智编译，如需转载，请按许可条款 …
想要学习主成分分析，有哪些书籍或者教程推荐吗？ - 知乎
Mar 4, 2023 · Jolliffe, I. T. (2002). Principal Component Analysis. Springer. 这是主成分分析领域的经典书籍，涵盖了主成分分析的基本理论和应用。 书中以易懂的方式介绍了主成分分析的概 …
PCA图怎么看？ - 知乎
本期主角-PCA图。 主成分分析方法 (Principal Component Analysis, PCA) 是一种使用广泛的机器学习数据降维算法，其将高维数据投影到低维空间（通常是二维或三维），但保留数据的主要 …
如何理解稀疏主成分分析 (Sparse Principal Component Analysis)?
稀疏主成分分析简介 变量经过PCA后得到的主成分通常在多个原始变量上都不为 0 ，这导致进行PCA后的主成分的含义较为模糊，给数据分析带来了一定难度，因此Zou等（2006）提出的一 …
主成分分析（Principal Component Analysis）算是机器学习吗?
May 28, 2019 · 主成分分析（Principal Component Analysis）算是机器学习吗? 关注者 11 被浏览
独立成分分析 ( ICA ) 与主成分分析 ( PCA ) 的区别在哪里？ - 知乎
统计学 数据分析 数据处理 Principal Component Analysis 信号与系统
统计学中的潜在因素模型 (Latent Factor Model) 和主成分分析 …
从名字里面已经可以看清楚了，Latent Factor Model是一个模型，Principal Component Analysis是一个方法。 类似的， linear model 是一个模型，least squares是一个方法。
在主成分分析法中，是否对样本容量的多少有规定？样本容量是不 …
主成分分析（Principal Component Analysis，PCA）， 是一种 统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 在实际课 …
多重对应分析降维后的主成分的性质应该如何解释？ - 知乎
Mar 22, 2024 · Principal component analysis: a review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2016, …
问卷调查数据可以用主成分分析法进行赋权吗？ - 知乎
是的，问卷调查数据可以使用主成分分析（Principal Component Analysis, PCA）来进行赋权。 PCA是一种降维技术，它通过将原始变量转换为一组新的不相关变量（主成分），来简化数据 …