- 文本
- 历史
A an álise principal DOS Componente
A an álise principal DOS Componentes (PCA) é um método de redução Da dimensionalidade não supervisionado, que combina vetores de Recurso de Alta dimensão Como atributos de Recurso de Baixa dimensão. O objetivo Deste algoritmo é representar dados de Alto nível EM dados de Alta dimensão.A projeção linear é USADA para localizar o espaço de dados, MAS devemos assegurar que a variação DOS dados originais Na direção Da projeção é grande, de modo que não só a quantidade de dados necessários para a extração de dados é reduzida, MAS também Mais dados originais Das características do Ponto são mantidos.
0/5000
组件（PCA）的主要分析是一种无监督的降维方法，该方法结合了高维资源向量作为低维资源属性。该算法的目的是在高维数据中表示高级数据，使用线性投影来定位数据空间，但我们必须确保原始数据在投影方向上的变化较大，因此不仅减少了数据提取所需的数据量，而且还保留了该点特征的更多原始数据。
正在翻译中..
主 Alysis DOS 组件 （PCA） 是一种无监督的维度缩减方法，将高维要素矢量合并为低维资源属性。该算法的目标是表示高维数据中的高级数据。线性投影用于定位数据空间，但必须确保原始数据在投影方向上的变异较大，这样不仅可以减少数据提取所需的数据量，而且保留更多原始数据点的特征。
正在翻译中..
主成分分析（PCA）主要考虑的是降低无伴生维数的方法，结合高维资源向量作为低维资源属性，该算法的目标是将高维数据表示为高维数据，用线性投影来定位数据空间，但必须保证原始数据在投影方向上的变化量大，线性投影这样不仅减少了数据提取所需的数据量，而且保持了更多原始数据点的特征。
正在翻译中..
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.
