來(lái)源：投稿 作者：小灰灰
編輯：學(xué)姐

整體代碼請(qǐng)參考深度之眼的《機(jī)器學(xué)習(xí)算法應(yīng)用實(shí)戰(zhàn)》

視頻鏈接：https://ai.deepshare.net/p/t_pc/goods_pc_detail/goods_detail/p_5e12aa8734510_IpNUGv5w

1.無(wú)監(jiān)督學(xué)習(xí)方法---主成分分析

主成分分析（PCA）是一種統(tǒng)計(jì)方法，通過(guò)正交變換將一組可能存在相關(guān)性的變量轉(zhuǎn)換為一組線性不相關(guān)的變量，轉(zhuǎn)換后的這組變量叫主成分。應(yīng)用于降維，高維數(shù)據(jù)集的探索與可視化，數(shù)據(jù)壓縮，數(shù)據(jù)預(yù)處理。

2.基于協(xié)方差矩陣的特征值分解算法

（1）均值歸一化

首先加載我們的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行歸一化。

加載數(shù)據(jù)

歸一化

（2）計(jì)算協(xié)方差矩陣

（3）計(jì)算協(xié)方差矩陣的特征向量

最終顯示出結(jié)果：

根據(jù)圖，我們可以觀察到二維數(shù)據(jù)降維到一維坐標(biāo)點(diǎn)（綠色點(diǎn)）。

3.基于數(shù)據(jù)矩陣的奇異值分解

（1）均值歸一化

我們使用剛才的數(shù)據(jù)集，進(jìn)行歸一化

（2）對(duì)數(shù)據(jù)矩陣進(jìn)行分解

（3）顯示降為后的數(shù)據(jù)

紅色點(diǎn)是藍(lán)色點(diǎn)降維后的可視化。

4.圖像進(jìn)行壓縮

可以任意找一張圖片進(jìn)行PCA的壓縮。

首先讀取一張圖片

如果想顯示看一下圖片，可以

查看數(shù)據(jù)的維度

我們把三維的照片變成二維的

進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化

使用PCA進(jìn)行降維

接下來(lái)，我們要把圖片進(jìn)行還原

進(jìn)行還原后的顯示

大家可以看看自己上傳的圖片顯示出的結(jié)果。

推薦課程：

感興趣的同學(xué)，關(guān)注“學(xué)姐帶你玩AI”公眾號(hào)

回復(fù)“ML實(shí)戰(zhàn)”了解課程詳情