社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
OpenAI CEO奥特曼向“财富500强”企业推介企业版ChatGPT;雷军回应余承东调侃小米su...
科技快讯 | 华为哈勃首次投资国内 AI 大模型公司;OpenAI向ChatGPT付费用户开放GPT...
【深度学习】目标检测的常用数据处理方法!
【Nucleic Acids Research】利用生成式深度学习模型设计蓝藻细菌的合成启动子
GPT-4 Turbo重回王座,ChatGPT免费升级!数学暴涨10%/上下文全面碾压
本周推荐的6个火火火的Github开源项目!
GitHub(微博搜索)-20240416-1
融合ChatGPT+DALL·E 3,贾佳亚团队新作开源畅玩:识图推理生图一站解决
【生物催化】一种实用的机器学习辅助蛋白质工程研究范式
【东方金工·上海线下沙龙】深度学习与量化投资
关注
Py学习
»
机器学习算法
深度学习知识点汇总-机器学习基础(9)
深度学习模型优化
• 4 年前 • 188 次点击
2.9 LDA和PCA比较
相同点: 1. 两者均可以对数据进行降维; 2. 两者在降维时均使用了矩阵特征分解的思想; 3. 两者都假设数据符合高斯分布;
不同点:1. LDA是有监督的降维方法;PCA是无无监督的降维方法;2. LDA可以用于降维,还可以用于分类;PCA只用于降维;3. LDA选择分类性能最好的投影方向;PCA选择样本点投影具有最大方差的方向;
LDA的优缺点分析:
优点:1. 可以使用类别的先验知识; 2. 以标签、类别衡量差异性的有监督降维方式,相对于PCA的模糊性,其目的更明确,更能反映样本间的差异;
缺点:1. LDA不适合对非高斯分布样本进行降维; 2. LDA降维最多降到分类数k-1维; 3. LDA在样本分类信息依赖方差而不是均值时,降维效果不好; 4. LDA可能过度拟合数据。
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/33100
188 次点击
登录后回复