Unverified50% confidenceFactExact time
PCA等价于对数据协方差矩阵进行特征值分解，若对中心化数据矩阵X进行SVD得到X=UΣVᵀ，则右奇异向量V就是PCA的主成分方向，奇异值的平方除以样本数就是各主成分对应的方差
1
Sources
50%
Confidence
Long-term
Relevance
8/28/2026
First Seen
Sources
Related Entities
Related Claims
Unverified鲁棒PCA通过将数据矩阵分解为低秩矩阵加稀疏矩阵（L+S分解）将异常值隔离到稀疏部分79% similarUnverified主成分分析（PCA）同时涉及线性代数中的特征值分解和统计学中的方差最大化78% similarUnverified在特征标准化、归一化或PCA降维时使用整个数据集（包括测试集）的统计量而非仅用训练集，会造成特征构造泄露66% similarUnverifiedPCA只能捕获线性相关性，无法处理数据流形中的非线性结构63% similarUnverifiedRRF（倒数排名融合）仅利用各路召回的排名位置信息（公式RRF(d)=Σ1/(k+rank_i(d))，k通常取60），对分数分布不敏感，绕开了跨模态分数对齐难题53% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/813386API
curl https://kongchang.com/api/v1/knowledge/claims/813386MCP
get_claim(id=813386)