邻里成分分析是一种监督式学习的方法,根据一种给定的距离度量算法对样本数据进行度量,然后对多元变量统计数据进行分类问题。在功能上其和K近邻算法的目的相同,直接利用随即近邻的概念确定与测试样本临近的有标签的训练样本。
在多元变量统计中,如果
ε
{\displaystyle \varepsilon }
为
n
{\displaystyle n}
维随机向量,
Λ
{\displaystyle \Lambda }
是一个
n
{\displaystyle n}
维对称矩阵,则随机变量
ε
T
Λ
ε
{\displaystyle \varepsilon ^{T}\Lambda \varepsilon }
称为
ε
{\displaystyle \varepsilon }
的二次型。