降维的概述
降维属于对数据的预处理,通过降低维度,降低数据的复杂性,识别最重要的多个特征。
常见的降维方法有:
- 主成分分析法(PCA)
- 因子分析(FA)
- 独立成分分析(ICA)
本文主要对PCA方法进行展开。
知识基础
均值、方差、协方差的定义:
PS:样本方差的期望并不是无偏的,要无偏估计,应该再乘上一个系数。N-1既为自由度,就是说,在一个容量为N的样本里,当确定了N-1个变量以后,第N个变量就确定了,因为样本均值是无偏的。
协方差除以N-1原理和方差一样,因为方差为协方差的特殊情况。
特征值和特征方向的定义:
对于矩阵 A,若满足 Aζ=λζ,则称 ζ是矩阵 A 的特征向量,而 λ 则是矩阵 A的特征值。将特征值按照从大到小的顺序进行排序,选择前 k个特征值所对应的特征向量即为所求投影向量。
对于特征值与特征向量的求解,主要是:特征值分解(当 A为方阵时),奇异值SVD分解(当 A 不为方阵时)