1. 数据降维 降维就是一种对高维度特征数据预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。在实际的生产和应用中，降维在一定的信息损失范围内，可以为我们节省…

一、从主成分分析说起 1.主成分分析起源 主成分分析法由Pearson在1901年提出，是一种常用的降维方法，可以将维数高的样本转化成维数低的样本。在金融领域，常用于各种多因子模型中，将原有多个指标转化为互不相关的少量综合指标。从…

目录 一、主成分分析原理 1.1、主成分分析法简介 1.2、主成分分析法的意义 1.3、主成分分析法的思想 1.4、主成分分析法的步骤 二、运用SPSS进行主成分分析 2.1、导入数据 2.2、生成图表 三、运用机器学习中的算法进行主成分分析 3.1、PCA算法梯度求解 3.1.1. 梯度上…

主成分分析（PCA）是一个很好的工具，可以用来降低特征空间的维数。PCA的显著优点是它能产生不相关的特征，并能提高模型的性能。 PCA用于减少用于训练模型的特征维度数量，它通过从多个特征构造所谓的主成分（P…

**层次分析法（AHP）是一种比较实用的决策方法。在实际情况中我们可能需要考虑问题所涉及的多个因素，这导致我们很难做出清晰的判断。AHP帮助我们结构化和量化的来思考这些因素，做出合理的决策。除此，AHP提出了一种透明可…

目前多准则决策问题的评估方法主要分为定性分析方法和定量分析方法两类。定性分析方法主要包括专家咨询、熵权法、案例研究和德尔菲法等；定量分析法主要包括层次分析法、主成分分析法、因子分析法、模糊综合评价法、色综合评价法以及数据包络分析法（DEA法…

什么是主成分分析法，他是用来干什么的 用于提取一系列样本的主要特征，从而在分类、相似度比较、匹配等操作中提高运算效率和算法准确度 举个例子：学校需要进行三好学生评比，但每个学生都有很多特征，比如：…

PCA 主成分分析（Principal Component Analysis, PCA）是一种线性降维算法，也是一种常用的数据预处理（Pre-Processing）方法。它的目标是是用方差（Variance）来衡量数据的差异性，并将差异…