会员服务
在统计中，主成分分析（PCA）是一种通过最大化每个维度的方差来将较高维度空间中的数据投影到较低维度空间中的方法。给定二维，三维或更高维空间中的点集合，可以将“最佳拟合”线定义为最小化从点到线的平均平方距离的线。可以从垂直于第一条直线的方向类似地选择下一条最佳拟合线。重复此过程会产生一个正交的基础，其中数据的不同单个维度是不相关的。 这些基向量称为主成分。
Another Look at Log-PCA for Probability Measures: A Dynamical Formulation and Statistical Convergence
Arxiv
0+阅读 · 6月15日
Distributionally Robust PCA with Data-Adaptive Wasserstein Geometry
Arxiv
0+阅读 · 6月9日
Sparse Longitudinal Functional Principal Component Analysis for Episodic Ambulatory Behavioral Assessments
Arxiv
0+阅读 · 6月6日
More Than Efficiency: Embedding Compression Improves Domain Adaptation in Dense Retrieval
Arxiv
0+阅读 · 6月2日
Quantum principal component analysis without eigenvector recovery
Arxiv
0+阅读 · 5月27日
Dimensionality Reduction for Cyberattack Classification: A Comparative Evaluation of PCA and Linear Predictive Coding
Arxiv
0+阅读 · 6月4日
External Demand, Domestic Monetary Conditions, and Remittance Dynamics in Nepal
Arxiv
0+阅读 · 5月19日
Spatial Principal Component Analysis and Moran Statistics for Multivariate Functional Areal Data
Arxiv
0+阅读 · 6月3日
Variable Domain Multivariate Functional Principal Component Analysis
Arxiv
0+阅读 · 5月5日
Davis-Kahan Theorem in the two-to-infinity norm and its application to perfect clustering
Arxiv
0+阅读 · 4月7日
MANOJAVAM: A Scalable, Unified FPGA Accelerator for Matrix Multiplication and Singular Value Decomposition in Principal Component Analysis
Arxiv
0+阅读 · 5月2日
Filtered Spectral Projection for Quantum Principal Component Analysis
Arxiv
0+阅读 · 3月23日
Covariate-Dependent Functional Principal Component Analysis for SHM
Arxiv
0+阅读 · 3月18日
Frame Theoretical Derivation of Three Factor Learning Rule for Oja's Subspace Rule
Arxiv
0+阅读 · 4月3日
Hierarchical Probabilistic Principal Component Analysis of Longitudinal Data
Arxiv
0+阅读 · 4月23日
参考链接
微信扫码咨询专知VIP会员
Top