Ańalisis de componentes principales: versión
Kernel (K-PCA)
Antonio Sala, UPV
Dificultad: ***** , Relevancia:
, Duración:
Resumen:
Estas transparencias discuten la extensión del vector de características
de unos datos con no-linealidades, expresando teóricamente la idea
básica del vídeo [pcanlx]. Si el número de características (regresores)
es
alto, entonces podría convenir traducir el problema PCA a su versión Kernel, y
el detalle de cómo hacerlo es el objetivo de este material.
Colección completa [VER]:
-
Anterior Comparacion PCA (statistics toolbox) con SVD ordinario: resultados
idénticos
-
Siguiente Regresión por componentes principales (PCR, Princ. Component
Regression)
© 2024, A. Sala. Se reservan todos los derechos en materiales cuyo autor pertenezca a UPV.
Para
condiciones de uso de material de terceros referenciado, consulte a sus autores.