Machine learning 解相关数据

如何计算非平方矩阵的平方根？ p、 我尝试了乔丹矩阵分解法，但它似乎只适用于平方矩阵

>你可能想考虑< /P> 有很多教程和指南，比如matlab。 （有时使原来的数据单元变化之前是有益的）

< P>你可能想考虑

有很多教程和指南，比如matlab。

---

（有时，以前使用原始数据单位方差是有益的）

因为处理的是非方矩阵，所以应该应用奇异值分解

---

顺便说一下，“非平方矩阵的平方根”是一个没有很好定义的概念。我猜你的意思是“非方矩阵的分解”。存在多种分解类型，但对于通用分析，SVD的信息量最大。

由于您处理的是非方矩阵，因此应应用奇异值分解

---

顺便说一下，“非平方矩阵的平方根”是一个没有很好定义的概念。我猜你的意思是“非方矩阵的分解”。分解类型很多，但对于通用分析，SVD的信息量最大。

问题太多了。您想知道如何处理传感器数据的建议吗？如果是这样的话，如果你想得到有用的建议如何处理它们，请向我们展示它们的外观。或者你想要一些变量y（400个值）的最小二乘线性回归的一个倒数？在我看来，在这之前取消3列的相关性是没有意义的（尽管您可能希望对它们进行高通过滤，但如果不查看数据就很难判断）。或者你是在要求澄清你在报纸上读到了什么？我不知道你想回答哪一个问题，而且几乎不可能一下子全部回答。很抱歉投了反对票。Maxy，谢谢你的评论。读了你的评论后，当我再次阅读我的问题时，我也觉得不清楚。所以，现在我重新表述了我的问题。我希望这一次是清楚的。不幸的是，我不能分享这些数据，因为它属于一家公司，而且是保密的。问题太多了。您想知道如何处理传感器数据的建议吗？如果是这样的话，如果你想得到有用的建议如何处理它们，请向我们展示它们的外观。或者你想要一些变量y（400个值）的最小二乘线性回归的一个倒数？在我看来，在这之前取消3列的相关性是没有意义的（尽管您可能希望对它们进行高通过滤，但如果不查看数据就很难判断）。或者你是在要求澄清你在报纸上读到了什么？我不知道你想回答哪一个问题，而且几乎不可能一下子全部回答。很抱歉投了反对票。Maxy，谢谢你的评论。读了你的评论后，当我再次阅读我的问题时，我也觉得不清楚。所以，现在我重新表述了我的问题。我希望这一次是清楚的。不幸的是，我不能分享数据，因为它属于一家公司，而且是保密的。谢谢Benroth的回答。我想早些时候我的问题不清楚。现在，我已经重新措辞了。实际上，在标准化技术的帮助下，我在数据中获得了单位方差。但我的问题是我不能去相关。我在某个地方读到，为了解相关，我们需要计算矩阵的本征值和本征向量。但在我的例子中，矩阵不是一个平方矩阵。那么，如何计算特征值和特征向量呢？通常，对于PCA或类似方法的去相关，特征向量是从数据矩阵的协方差矩阵（平方）计算出来的。不幸的是，你目前对这个问题的措辞没有提到你想要解决的实际（“原始”）问题，因此很难给出有用的提示。谢谢Benroth的回答。我想早些时候我的问题不清楚。现在，我已经重新措辞了。实际上，在标准化技术的帮助下，我在数据中获得了单位方差。但我的问题是我不能去相关。我在某个地方读到，为了解相关，我们需要计算矩阵的本征值和本征向量。但在我的例子中，矩阵不是一个平方矩阵。那么，如何计算特征值和特征向量呢？通常，对于PCA或类似方法的去相关，特征向量是从数据矩阵的协方差矩阵（平方）计算出来的。不幸的是，你目前对这个问题的措辞没有提到你想要解决的实际（“原始”）问题，因此很难给出有用的提示。