本文探讨了在数据处理中，当$m << n$时，矩阵$X$的转置乘以其自身$A=XTX$和$X$乘以其转置$B=XXT$的性质。尽管$A$和$B$的维度不同，但它们都是对称半正定矩阵，并且具有相同的秩。$A$有$n$个特征向量，$B$有$m$个特征向量，这在数据压缩和特征选择中有重要应用。
假设
X
∈
R
m
×
n
X \in \R^{m \times n}
X∈Rm×n，通常在数据降维过程中m<<n
令
A
=
X
T
X
A=X^TX
A=XTX，
B
=
X
X
T
B=XX^T
B=XXT，显然
A
∈
R
n
×
n
A \in \R^{n \times n}
A∈Rn×n，
B
∈
R
m
×
m
B \in \R^{m \times m}
B∈Rm×m,
r
a
n
k
(
A
)
=
r
a
n
k
(
B
)
rank(A)=rank(B)
rank(A)=rank(B),显然，A和B都是对称半正定矩阵，且A有n个特征向量，B有m个特征向量。
扫一扫
603
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
