[問題]PCA與SVD差異

看板MATLAB作者 (獸獸)時間13年前 (2012/10/03 16:59), 編輯推噓1(1推 0噓 3→)
留言4則, 2人參與, 最新討論串1/3 (看更多)
各位好 最近我使用SVD來分析我的資料的時候， 確認SVD與PCA的特徵向量是一樣的， 但是他們不同處在哪? 以及特性差別，或是在什麼時候才會出現不同呢? 不知道能否有人回答，感謝。 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.137.51.45
→
10/03 22:18, , 1F
據我的了解 SVD是找principal component的一種方法
10/03 22:18, 1F
→
10/05 13:28, , 2F
PCA和SVD都能找主成分，但是PCA是解COV或CORR矩陣
10/05 13:28, 2F
→
10/05 13:30, , 3F
應該說用eig去解才是解COV或CORR矩陣，用SVD則是解原矩陣
10/05 13:30, 3F
推
10/05 13:33, , 4F
解cov或corr時會自動移除每個變數的平均,svd則否
10/05 13:33, 4F
‣ 更多 IamMRBBB 的文章
文章代碼(AID): #1GQ_vw0w (MATLAB)
討論串 (同標題文章)
以下文章回應了本文 (最舊先)：
完整討論串 (本文為第 1 之 3 篇)：
排序： 最新先 | 最舊先 | 留言數
在新視窗開啟完整討論串 (共3篇)
‣ 更多 IamMRBBB 的文章
文章代碼(AID): #1GQ_vw0w (MATLAB)