基于Spark的机器学习实践 (十) - 降维

javaedge 2019-04-18

云栖社区 大数据 算法 数据可视化 机器学习 spark 人脸识别

通过讲解PCA算法的原理,使大家明白降维算法的大致原理,以及能够实现怎么样的功能。结合应用降维算法在分类算法使用之前进行预处理的实践,帮助大家体会算法的作用。

0 相关源码

1 PCA算法及原理概述

1.1 何为降维?

◆ 从高维度变为低维度的过程就是降维

◆ 例如拍照就是把处在三维空间中的人或物从转换到作为二 维平面的
照片中

◆ 降维有线性的、也有非线性的方法。在机器学习中可以简化运算,减少特征量

1.2 PCA算法介绍

◆ PCA算法是一种常用的线性降维算法,算法类似于"投影”

◆ 降维简化了数据集,故可以视为一个压缩过程,在压缩过程中可能;会有信息丢失

◆ PCA除可以用来精简特征,还可以应用在图像处理中
例如基于PCA算法的特征脸法,它可以用来人脸识别

1.3 PCA算法原理简介

◆ PCA是基于K-L变换实现的一种算法

◆ PCA算法在实现上用到

登录 后评论
下一篇
corcosa
10294人浏览
2019-10-08
相关推荐
Reading List 2015-03
2108人浏览
2016-04-08 13:15:13
Spark MLlib的简介
858人浏览
2017-11-15 15:34:00
Spark MLlib
704人浏览
2018-01-17 11:22:06
0
0
0
1805