昨天看LLE
locally linearly embedding
时,看到目标函数
m
i
n
Y
∑
i
n
∥
y
i
−
∑
j
=
1
k
w
i
j
y
j
∥
2
min_Y\sum_i^n\Vert{y_i-\sum_{j=1}^k w_{ij} y_j}\Vert^2
minY∑in∥yi−∑j=1kwijyj∥2 .这样就没有唯一解,所以要对
Y
Y
Y进行限制。
对
Y
Y
Y进行平移,不影响目标函数,所以可以把
Y
Y
Y的均值固定到原点:
∑
i
=
1
n
y
i
=
0
\sum_{i=1}^ny_i=0
∑i=1nyi=0,这个好理解。
第二个限制条件是说对
Y
Y
Y进行旋转也不影响目标函数,所以为了限制
Y
Y
Y的旋转,可以限制协方差矩阵为单位矩阵:
1
n
Y
Y
T
=
I
d
∗
d
\frac{1}{n}YY^T=I_{d*d}
n1YYT=Id∗d, where
Y
=
[
y
1
…
y
n
]
.
Y=[y_1 \dots y_n].
Y=[y1…yn]. 这里我就不理解了。
协方差矩阵和旋转有什么关系?
协方差矩阵
旋转矩阵
很幸运,我找到了答案:
英文版
中文翻译版
(顺便一提这个人好厉害啊,晦涩的数学可以用通俗的语言表达深刻的理解)
被观察数据的协方差矩阵,直接与针对白(非相关)数据的线性变换有关。该线性变换完全由特征向量和特征值定义。特征向量表示了矩阵的旋转,特征值对应于每个维度上缩放因子的平方。