一张图讲清 PCA：中心化、特征向量与方差保留
mdancho84 · x · 2026-07-28
这条帖子用一张图把 PCA 的核心流程讲清楚了：先做均值中心化和归一化，再计算协方差矩阵、求特征向量/特征值，按方差贡献排序，最后把原始数据投影到主成分空间。
配图还给了几何直觉：数据被旋转到新的坐标轴上，PC1 捕获最大方差，后续主成分依次解释更少的变化；底部的表格展示了各主成分的解释方差比例和累计解释率。
「研究」频道最新
- 物理 AI 可能让工业机器人更容易部署 — Responsible-Grass452 · 2026-07-28
- 1983 年 Topo 机器人：先跑代码，后感知世界 — tobowers · 2026-07-28
- Papers with Code 机器人专题页追踪主流基准与趋势 — NielsRogge · 2026-07-28
- 从 Universal Transformers 到 DeepLoop 的循环 Transformer 脉络 — KyeGomezB · 2026-07-28
- Qwen3.5-4B 内部的流形结构被可视化 — Sauers_ · 2026-07-28
- SupraLabs 发布 450 条 LLM 自我识别数据集 — LH-Tech_AI · 2026-07-28