一、前言
大量的特征有助于模型对训练样本的拟合,但随着特征空间维度的增加,导致数据稀疏且分布不均匀,出现维度灾难。较高的特征空间维度学习了训练样本中的噪声,即使训练误差较小,但由于产生过拟合,泛化误差有所增加。因此可考虑降维的方式去除噪声,提升模型的泛化能力。除此之外,可以采用降维的方式实现高维数据的可视化、数据的压缩和异常点的检测。
二、主成分分析
1.样本均值和方差
设 x 1 , x 2 , . . , x N x_1,x_2,..,x_N x1,x2,..,xN是取自总体 X N × p X_{N\times p} XN×p的样本,其中 x i x_i xi是一个 p p p维向量, x i = ( x i 1 , x i 2 , . . . , x i p ) T x_i=\left(x_{i1},x_{i2},...,x_{ip}\right)^T xi=(xi1,xi2,...,xip)T则
X ‾ p × 1 = 1 N ∑ i = 1 N X i S p × p 2 = 1 N − 1 ∑ i = 1 N ( X i − X ‾ ) 2 = 1 N − 1 ∑ i = 1 N ( X i − X ‾ ) ( X i − X ‾ ) T \begin{aligned} {\overline X}_{p\times1} & =\frac1N\sum_{i=1}^NX_i\\ S_{p\times p}^2 & =\frac1{N-1}\sum_{i=1}^N\left(X_i-\overline X\right)^2\\ & =\frac1{N-1}\sum_{i=1}^N\left(X_i-\overline X\right)\left(X_i-\overline X\right)^T \end{aligned} Xp×1Sp×p2=N1i=1∑NXi=N−11i=1∑N(Xi−X)2=<