machine-learning - 首先在 SVD 之后对数据集执行 PCA 是否有意义?
问题描述
我有一个大小为(4700、10000)的数据集。首先我对这个数据进行了 SVD,得到了 100 个 SVD 分量,所以我的数据集现在是 (4700, 100)。然后我对这样的简化数据进行了 PCA,得到了 4 个分量,并用这 4 个 PCA 分量进行了可视化。由于 SVD 和 PCA 都是降维技术,我很好奇先执行 SVD 然后执行 PCA 是否安全?
此外,当我对 SVD 后获得的数据集进行 PCA 时,可视化给出的结果比单独的 PCA 更有意义。
提前致谢。
解决方案
推荐阅读
- signalr - 在使用 azure signalR 的 azure function app 中更改 KeepAlive 的值
- java - SQL 服务器身份打开,但 org.hibernate.id.IdentifierGenerationException:必须在查询调用 save() 之前手动分配此类的 id
- python - 为什么打印后对象在python中以十六进制显示?
- django - Postgresql 主从复制滞后,但 pgpool 将流量发送到两个数据库(主 n 从)
- javascript - 凸形状上的JavaScript墙壁碰撞,卡在角落
- node.js - Firebase 查询数组 'in' 限制为 10
- r - 将特定数字分类为二进制
- for-loop - 批处理:使用循环在文件名中搜索关键字
- python - 如何在 python 中使用 sqlite3 登录到 Oracle 数据库
- php - 从 Laravel 的数据库中检索选定复选框的问题