感谢您的建议 这里PCA的确是主成分分析没错 而PCA的资料前处理的确是为去除中心轨道,所以执行centering(中心化) 也就是只扣除平均值 不过我所看到的国外paper"几乎"都一致提到,需要将资料标准化 我也曾单纯只想将资料中心化,然後执行PCA 就算该行所有的值都是0,也不会产生分母为0的问题 但作者的操作过程是这样写 心想没道理不能照着做 但做了还真的产生问题 另外..您後面PCA code的部份能多解释一点吗 感谢赐教 谢谢 ※ 引述《wudollar (~每天一ㄍ心希望~)》之铭言： : ※ 引述《rauf6620 (乱入)》之铭言： : : 若A为一M*N矩阵 : : 假设为 5 4 1 0 2 0 : : 5 3 0 0 1 0 : : 5 4 2 0 3 0 : : 5 3 1 0 4 0 : : ------------- : : mean : : std : : 执行PCA前,为去除单位,所以皆会将资料先予以标准化(对行执行) : 这里我有问题～！！ : 应该是说：我不知道，或者我不懂... : PCA是所谓的Principal Component Analysis? 是嘛？ : 如果不是，请略过我以下所有的鬼话 @@b : PCA 似乎在数学定义上面，没有需要在处理PCA前需要去除单位， : 或者正规化（normalization）吧？ : 仅仅是因为想看变化（anomaly）所以去平均值（de-mean）， : 换句话说是看变异数（variance）分布以及大小吧？（使用SVD 或者 Eigen..） : 所以似乎没有在之前需要之前就需要正规化处理吧？ : 另，如果是真要有正规化处理，那是当你生成PC（principal component） : 以及Pattern（e.g. eigenvectors），在需要量化强度， : 以及给予PC单位时所做的简单换算吧？ : PC = PC*std(Pattern), Pattern = Pattern/std(Pattern) : Matrix = PC * Pattern; when （PC = Matrix * Pattern） : ------------------------------------------------------------------------------ : 这样子的话，『我自以为』你的问题似乎就没有了，不是吗？ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 163.17.12.231