数据经过PCA将维后，例如，原本是10维，降维后为5维。
然后求出多元线性函数的系数为[1,2,3,4,5],
那么如何将个五个系数还原为10个系数。
因为降维后是5,根据降维后的数据计算线性函数，
系数必然是5.
但是原始维度是10,那么怎样将5个系数还原为10个系数。
PCA降维后，求出多元线性函数，如何还原原始维度。
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
4条回答 默认 最新
- 2021-09-10 17:47PCA（主成分分析，Principal Component Analysis）是一种广泛应用的数据降维技术，它通过线性变换将原始数据转换到一个新的坐标系统中，使得新坐标系统的第一个坐标（即第一主成分）是原始数据方差最大的方向，第二...
- 2022-09-21 17:58PCA的主要目的是通过线性变换将原始数据转换为一组各维度线性无关的新变量，即主成分，这些新变量按照它们在原数据中的方差大小排序，通常保留方差最大的几个作为新的特征表示，从而达到降维的目的。降维有助于减少...
- 2022-07-14 22:26PCA（主成分分析，Principal Component Analysis）是一种广泛应用的数据分析方法，它通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维和可视化。...
- 2021-09-29 06:56PCA通过线性变换将原始数据转换到一个新的坐标系中，新坐标系的轴是按照数据方差大小排序的主成分。这种方法能够帮助我们减少数据的维度，使得后续的分析、建模或可视化变得更加高效。 在描述中提到的"pca降维程序...
- 2021-10-03 02:32PCA（主成分分析）是一种常见的数据分析方法，用于降低数据的维度，同时保持数据集中的大部分信息。在机器学习中，PCA常被用作预处理步骤，以减少模型的复杂性和计算资源需求。在这个项目中，PCA被应用在MNIST手写...
- 2020-10-09 21:49在高光谱图像处理中，PCA被广泛应用于解决数据的高维性和相关性问题，它能够将原始的高维数据转换为一组线性无关的低维特征向量，同时尽可能保留数据的主要信息。 在MATLAB中，PCA可以通过内置函数`pca()`实现。该...
- 2024-07-18 17:29SmallerFL的博客 本文介绍python的pca降维与还原。
- 2022-09-21 22:17通常，MATLAB脚本文件以".m"为扩展名，其中"pcAp.m"可能是执行PCA降维的主要函数，而"NPca.m"可能是辅助函数，比如包含了预处理步骤、参数设置或者不同版本的PCA算法。 PCA的基本步骤包括： 1. 数据标准化：对原始...
- 2025-05-28 08:30执行pca(data)后，返回值包括：pc（主成分系数，表示原始特征如何组合成新主成分）、score（主成分得分，即数据在新坐标系下的表示）、latent（方差贡献率，表示每个主成分解释的方差百分比）和tsquare（样本载荷，...
- 2021-09-29 05:225. **投影数据**：将原始数据投影到由选择的特征向量构成的空间中，得到降维后的数据。 6. **结果解释**：降维后的数据可以用于后续的分析、建模或者可视化。在新坐标系中，较大的特征值意味着更多的信息被保留，较...
- 没有解决我的问题, 去提问
