- 数据降维的应用:①降低数据的存储量;②加快机器学习的速度;③数据可视化
- 数据降维的本质: 方差
PCA(主成分分析)
- 简介:principal component analysis,
- 原理:对于一个未知的系统,我们假设它有n个参数。我们想要求出那些参数最重要,而把不重要的参数给抹掉,从而降低参数向量的维数。PCA的问题其实是一个基的变换,使得变换后的数据有着最大的方差。
算法过程:
1)对于一个训练集,20个sample(i=1,2,3,…,20),特征Xi是100维Xi1,Xi2,Xi3,…Xij,…,Xi100,那么它可以建立一个20*100的样本矩阵M。
2)紧接着我们开始求这个样本的协方差矩阵,得到一个20*20的协方差矩阵,计算过程如下:
•先求解出Xi的平均Xav=(∑xi)/20;
•对每一个Xi,计算Xi-Xav,即Mi(第 i 行)变为 Mi-Xav,记为Mn;
•则容易得到协方差矩阵Z为Mn*Mn’( ’ 表示转置 ) 。
3)然后求出这个协方差矩阵Z20x20的特征值和特征向量,一般情况下应该有20个特征值和特征向量,现在根据特征值的大小,取出较大的特征值以及其所对应的特征向量,(假设提取的特征值为较大的5个特征值),那么这5个特征向量就会构成一个20*5的矩阵V,这个矩阵就是我们要求的特征矩阵。4)用Mn’去乘以V,得到一个base矩阵(*),大小为100x5。
5)任取一个样本1x100,乘上这个100*5的特征矩阵,就得到了一个1*5的新的样本,显然每个sample的维数下降了,然后再用这个1x5向量去比较相似性。
MDS(多维尺度分析)
- 简介:multidimensional scaling,根据样本是否可计量,又分为计量多元尺度法(Metric MDS)和非计量多元尺度法(Nonmetric MDS)。
方法 | 优点 | 缺点 |
---|---|---|
Metric | 精确 | 耗时,计算成本高 |
NonMetric | 样本尺度为ordinal,简便,直观,应用范围更广 | 无法知道评估准则,效果较差 |
原理:
定义一个距离函数的集合,如下:
Δ=⎡⎣⎢δ1,1δ2,1δ3,1δ1,2δ2,2δ3,2δ1,3δ2,3δ3,3⎤⎦⎥
其中 δi,j 表示第i个和第j个对象之间的距离,MDS算法的目的是根据上述的 Δ 寻找与对象数同样多的向量,使得 ||xi−xj||≈δi,j ,其中 ||.||为向量的范数,欧式距离之类的东西。
mds本质就是找到一个子空间,物体嵌入子空间中,彼此的相似度与Δ类似,