Principal component analysis (PCA)

Principal component analysis (PCA) finds a linear transformation
u which reduces d-dimensional feature vectors
to h-dimensional feature vectors (where h < d) in such a
way that the information is maximally preserved in minimum
mean squared error sense.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ส่วนประกอบหลัก (PCA) พบว่าการแปลงเชิงเส้นu ซึ่งลดคุณลักษณะ d มิติเวกเตอร์การคุณลักษณะ h มิติเวกเตอร์ (ซึ่ง h < d) เช่นในการวิธีการให้ข้อมูลที่ maximally ยังคงอยู่ในขั้นต่ำหมายถึง ความผิดพลาดที่ยกกำลังสอง

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์องค์ประกอบหลัก (PCA)
พบว่าการเปลี่ยนแปลงเชิงเส้นยูซึ่งจะช่วยลดพาหะคุณลักษณะd
มิติเวกเตอร์คุณลักษณะชั่วโมงมิติ(ที่เอช <ง) ในเช่นวิธีการที่ข้อมูลจะถูกเก็บรักษาไว้ในที่สุดขั้นต่ำเฉลี่ยกำลังสองความรู้สึกข้อผิดพลาด

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์องค์ประกอบหลัก ( PCA ) พบการแปลงเชิงเส้นซึ่งจะช่วยลด d-dimensional
U
กับคุณลักษณะคุณลักษณะเวกเตอร์เวกเตอร์ h-dimensional ( ที่ H < D ) ในลักษณะที่เป็นข้อมูล

หมายความว่าอย่างน้อยที่สุดเก็บรักษาไว้ในความรู้สึกความผิดพลาดยกกำลังสอง .