协方差矩阵与主成分变换(PCA)

本文介绍了协方差矩阵及其在主成分分析(PCA)中的作用。PCA是一种常用的降维方法,常用于图像处理和数据挖掘。通过实例详细解释了如何计算协方差矩阵,并探讨了高度相关数据的重要性。文章最后预告了PCA的实现和图像处理应用。
摘要由CSDN通过智能技术生成

主成份分析(PCA,Principal component analysis),K-L变换(Karhunen–Loève theorem),霍特林变换,尽管名字很多,但本质上它们都是一个东西。PCA是机器学习和数据挖掘中的一种常用的降维方法(也从属于流形学习的范畴),还是数字图像处理中用来进行编码和压缩的一种技术。

 

一、协方差与协方差矩阵

为了帮助读者理解上面给出的协方差矩阵定义,在此举一个简单的三维的例子,假设数据集有 {x,y,z} 三个维度,则协方差矩阵为

可见,协方差矩阵是一个对称的矩阵,而且对角线是各个维度上的方差。下面通过一个例子来尝试演算协方差矩阵(很多数学软件都为该操作提供了支持)。需要提醒读者注意的是,协方差矩阵计算的是不同维度之间的协方差,而不是不同样本之间的。例如有一个

  • 14
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

白马负金羁

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值