pca和逐步判别分析区别

因子分析和主成分分析有什么区别？主成分分析(PCA)是一种统计方法。主成分分析方法和因子分析方法之间的区别主成分分析主要作为一种探索性技术，在分析多元数据之前进行过。

1、维度规约(特征的提取和组合参数方法第一部分介绍，类密度模型的参数估计，第二部分监督学习分类(基于似然的方法)和第三部分监督学习分类(基于判别)的方法(参数方法判别参数估计)第四部分监督学习回归第五部分监督学习关联规则第六部分维度规范(特征提取和组合)第七部分半参数方法第八部分非监督学习聚类第九部分非参数方法密度估计第十部分非参数方法决策树实现判别公式部分XI多层感知器非参数估计器部分第十二部分局部模型部分第十三部分支持向量机和核机器部分第十四部分隐马尔可夫模型部分第十五部分参数的贝叶斯估计部分第十六部分集成学习组合多学习器部分第十七部分强化学习部分第十七部分机器学习实验部分第十九部分特征工程和数据预处理任何分类和回归方法的复杂度都取决于输入的数量。
【pca和逐步判别分析区别】
2、无监督学习分为聚类与降维,聚类与降维有什么差别?举例说明? 。降维什么是降维？假设现在有n个对象a1，a2，an，每个对象都有多个属性x1，x2，xm 。当我们用一个矩阵来表示这些对象时，它就是一个An×m矩阵。举个例子，假设我们有五只猫，每只猫都有不同的毛色、体型、身高、体重、年龄、性别等特征。这里的猫是我们的对象；“猫”这个名字是这个物体的标签；毛色、体型、体重等特征就是我们所说的物体的属性。

维度越多，信息量和数据量越大，占用的磁盘空间和内存也越多。实际上我们在实践中有时候用不到那么多信息，所以需要降维。降维是一种压缩维度并尽可能保留分布信息的尝试。我们可以认为它是数据压缩或特征选择。在现实生活中，当我们对样本做数据处理、图像处理等操作时，希望模型的精度比较高，或者泛化误差率小，那么就希望样本的采样密度足够大(密集采样) 。

3、代谢组差异代谢物分析简介差异代谢物分析包括多元统计分析和一维统计分析，其中多元统计可以捕捉到相关的差异变量，有利于代谢调控网络的研究；一维统计能量独立于分析单个变量的统计显著性，起到验证和补充数据的作用分析；因此，代谢组学中多元统计和一维统计筛选出的差异变量应该是最重要、最值得关注的差异代谢产物。主成分分析是一种无监督的多元统计分析方法，一般能反映各组样本间的总体差异和组内样本间的变异。