1. 独立成分分析(Independent Components Analysis)
-
1.1 概念
独立成分分析是从观测变量中分离出独立元素,观测变量的维度(数目)要和独立元素维度(数目)相同。模型表示如下
x = A s ( x , s ∈ R n , A ∈ R n ∗ n ) x 为 观 测 变 量 , s 中 各 个 分 量 彼 此 独 立 s = A − 1 x = W x x = As (x,s \in R^n, A\in R^{n*n})\\ x为观测变量, s中各个分量彼此独立 \\ s = A^{-1}x = Wx x=As(x,s∈Rn,A∈Rn∗n)x为观测变量,s中各个分量彼此独立s=A−1x=Wx -
1.2 如何求解模型
已知的变量只有 x x x,需要根据 x x x值推导出矩阵 A A A。如果不增加其它设定,是无法仅根据 x x x求解出矩阵A,因此需要增加其它条件,来建立合适的 p ( x ) p(x) p(x)概率密度模型,然后再通过极大似然估计求解矩阵 A A A。
先说因子分析的几个限制
(1)无法区分各个独立成分的顺序
(2)不能恢复独立成分的大小( 2 A . 1 2 s = A s 2A.\frac{1}{2}s=As 2A.2