Principal Component Analysis, also

Principal Component Analysis, also known as the Karhunen-Lóeve transform, is a
widely used technique in pattern recognition to approximate the original ndimensional
data with a lower m-dimensional feature vector. It can be described as
follows:

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์องค์ประกอบหลักยังเป็นที่รู้จักในฐานะ
Karhunen-Lóeveแปลงเป็นเทคนิคที่ใช้กันอย่างแพร่หลายในการจดจำรูปแบบที่จะใกล้เคียงกับndimensional
เดิมข้อมูลที่มีคุณลักษณะมมิติเวกเตอร์ที่ต่ำกว่า
มันสามารถอธิบายได้ดังนี้

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ส่วนประกอบหลัก หรือที่เรียกว่า karhunen-l óอีฟเปลี่ยนเป็นใช้กันอย่างแพร่หลาย เทคนิคในการจดจำรูปแบบ

ประมาณเดิม ndimensional ข้อมูลด้วยราคา m-dimensional คุณลักษณะเวกเตอร์ มันสามารถอธิบายเป็น

ต่อไปนี้ :