降维
线性
PCA(不需要标签):可从两个角度进行理解,最大方差和最小平方误差
最大方差:
在信号处理领域,我们认为信号具有较大方差,噪声具有较小方差,因此我们需要寻找数据中方差较大的方向,即最大化投影方差。
推导过程:原始数据为 { v 1 , v 2 , ⋯ , v n } \{v_1,v_2,\cdots,v_n\} {
v1,v2,⋯,vn},经过中心化变为 { x 1 , x 2 , ⋯ , x n } \{x_1,x_2,\cdots,x_n\} {
x1,x2,⋯,xn}, 1 n ∑ i = 1 n x i = 0 \frac{1}{n}\sum_{i=1}^nx_i=0 n1∑i=1nxi=0,假设投影在向量 w w w上,投影后的均值依然为0( μ = 1 n ∑ i = 1 n x i T w = ( 1 n ∑ i = 1 n x i T ) w = 0 \mu=\frac{1}{n}\sum_{i=1}^nx_i^Tw=(\frac{1}{n}\sum_{i=1}^nx_i^T)w=0 μ=n1∑i=1nxiTw=(n1∑i=1nxiT)w=0),再根据向量内积的意义(第一个向量在第二个向量上的投影),投影后的方差即为 D ( x ) = 1 n ∑ i = 1 n ( x i T w ) 2 = 1 n ∑ i = 1 n ( x i T w ) T ( x i T w ) = 1 n ∑ i = 1 T w T x i x i T w = w T ( 1 n ∑ i = 1 n x i x i T ) w D(x)=\frac{1}{n}\sum_{i=1}^n(x_i^Tw)^2=\frac{1}{n}\sum_{i=1}^n(x_i^Tw)^T(x_i^Tw)=\frac{1}{n}\sum_{i=1}^Tw^Tx_ix_i^Tw=w^T(\frac{1}{n}\sum_{i=1}^nx_ix_i^T)w D(x)=n1∑i=1n(xiTw)2=n1∑i=1n(xiTw)T(xiTw)=n1∑i=1TwTxixiTw=wT(n1∑i=1nxixiT)w
中间部分 1 n ∑ i = 1 n x i x i T \frac{1}{n}\sum_{i=1}^nx_ix_i^T