将PCA值从-1重新缩放到1，因为想要在特征（描述符）的协方差周期内分析数据。
K-means聚类是一种算法，其中必须定义聚类的数量。 然而，为了在数学上基于分布为一组点选择多个聚类，可以应用不同的算法。
绘制PC1与PC2数据， 每个群集将具有不同的颜色，将找到每个主要组件的主要特征。
可以确定与PC1（MolWt、nRotB、LogP）和PC2（HBD，TPSA，HBA）正相关和负相关的特征。 此外，由于向量长度，可以看到LogP是“最重要的”特征（描述符）。
PCA概念介绍 PCA 全称是Principal Component Analysis，又叫做主成分析。是一种分析...
【图像检索】【TPAMI重磅综述】 SIFT与CNN的碰撞：万字长文回顾图像检索任务十年探索历程
由于简书对latex公式支持不太友好，因此为了更好的阅读体验，你可以移步至： 【TPAMI重磅综述】 SIFT与C...
大数据文摘出品 编译：汪小七、张馨月、云舟 主成分分析（PCA：Principal Component Analy...
一、PCA 【Principle Component Analysis】 以下内容大部分出自这里，这里。主成分分...
[TPAMI重磅综述]SIFT与CNN的碰撞：万字长文回顾图像检索任务十年探索历程（上篇）
前言 基于内容的图像检索任务（CBIR）长期以来一直是计算机视觉领域重要的研究课题，自20世纪90年代早期以来，研...