内容标题12

  • <tr id='1c3lSv'><strong id='1c3lSv'></strong><small id='1c3lSv'></small><button id='1c3lSv'></button><li id='1c3lSv'><noscript id='1c3lSv'><big id='1c3lSv'></big><dt id='1c3lSv'></dt></noscript></li></tr><ol id='1c3lSv'><option id='1c3lSv'><table id='1c3lSv'><blockquote id='1c3lSv'><tbody id='1c3lSv'></tbody></blockquote></table></option></ol><u id='1c3lSv'></u><kbd id='1c3lSv'><kbd id='1c3lSv'></kbd></kbd>

    <code id='1c3lSv'><strong id='1c3lSv'></strong></code>

    <fieldset id='1c3lSv'></fieldset>
          <span id='1c3lSv'></span>

              <ins id='1c3lSv'></ins>
              <acronym id='1c3lSv'><em id='1c3lSv'></em><td id='1c3lSv'><div id='1c3lSv'></div></td></acronym><address id='1c3lSv'><big id='1c3lSv'><big id='1c3lSv'></big><legend id='1c3lSv'></legend></big></address>

              <i id='1c3lSv'><div id='1c3lSv'><ins id='1c3lSv'></ins></div></i>
              <i id='1c3lSv'></i>
            1. <dl id='1c3lSv'></dl>
              1. <blockquote id='1c3lSv'><q id='1c3lSv'><noscript id='1c3lSv'></noscript><dt id='1c3lSv'></dt></q></blockquote><noframes id='1c3lSv'><i id='1c3lSv'></i>
                題目標題

                SVD 和 PCA區別

                難度:初級

                機器學習
                參考解析

                PCA 的理念是使得數據投影後的方差最大,找到↑這樣一個投影向量,滿足方差
                最大的條件即可。而經過了去除均值的操作之後,就可以用 SVD 分解來求解這
                樣一個投影向量,選擇特征值最醉無情淡淡大的方向。