感謝您的建議 這裡PCA的確是主成分分析沒錯 而PCA的資料前處理的確是為去除中心軌道,所以執行centering(中心化) 也就是只扣除平均值 不過我所看到的國外paper"幾乎"都一致提到,需要將資料標準化 我也曾單純只想將資料中心化,然後執行PCA 就算該行所有的值都是0,也不會產生分母為0的問題 但作者的操作過程是這樣寫 心想沒道理不能照著做 但做了還真的產生問題 另外..您後面PCA code的部份能多解釋一點嗎 感謝賜教 謝謝 ※ 引述《wudollar (~每天一ㄍ心希望~)》之銘言： : ※ 引述《rauf6620 (亂入)》之銘言： : : 若A為一M*N矩陣 : : 假設為 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 : : 執行PCA前,為去除單位,所以皆會將資料先予以標準化(對行執行) : 這裡我有問題～！！ : 應該是說：我不知道，或者我不懂... : PCA是所謂的Principal Component Analysis? 是嘛？ : 如果不是，請略過我以下所有的鬼話 @@b : PCA 似乎在數學定義上面，沒有需要在處理PCA前需要去除單位， : 或者正規化（normalization）吧？ : 僅僅是因為想看變化（anomaly）所以去平均值（de-mean）， : 換句話說是看變異數（variance）分佈以及大小吧？（使用SVD 或者 Eigen..） : 所以似乎沒有在之前需要之前就需要正規化處理吧？ : 另，如果是真要有正規化處理，那是當妳生成PC（principal component） : 以及Pattern（e.g. eigenvectors），在需要量化強度， : 以及給予PC單位時所做的簡單換算吧？ : PC = PC*std(Pattern), Pattern = Pattern/std(Pattern) : Matrix = PC * Pattern; when （PC = Matrix * Pattern） : ------------------------------------------------------------------------------ : 這樣子的話，『我自以為』妳的問題似乎就沒有了，不是嗎？ --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 163.17.12.231