PCA se usa para reducir las dimensiones de los datos para que sea más fácil percibirlos. PCA ayuda mucho en el procesamiento y salva al usuario de mucha complejidad.
Mientras que LDA permite que conjuntos de observaciones sean explicados por grupos no observados que explican por qué algunas partes de los datos son similares.
PCA extrae el componente principal de la imagen y reduce sus dimensiones.
- ¿Cómo aprendo el aprendizaje automático y dónde puedo practicarlo?
- ¿Cuál es la diferencia entre gaussiano y bayesiano?
- ¿Cuál es la diferencia entre gradiente de política determinista y gradiente de política estocástica?
- ¿Por qué es importante la ciencia de datos?
- ¿Es necesario ajustar manualmente la tasa de aprendizaje cuando uso el método de descenso de gradiente estocástico de Adam en la práctica?
Si aplicará PCA y LDA, verá que ambos mejoran la complejidad temporal de los datos y agilizan el procesamiento. El reconocimiento facial se realiza principalmente en tiempo real, por lo que para reconocer la cara en tiempo real, su algoritmo debe ser rápido para que realmente detecte la cara en tiempo real, no tiene sentido detectar la cara después de 10 segundos de ver una cara. Por lo tanto, PCA y LDA se usan juntos para hacer que el algoritmo sea rápido y efectivo.
Espero que esto ayude.