1.概述
使用PCA可以实现数据的低维线性嵌入也就是线性降维,但是对于非线性比如具有流形结构的数据特征,PCA得到的效果不太理想,原因无它,此时强行使用PCA方法,得到的低维表示会使得高维空间相距较远的点缠绕在一起,得不到想要的低维嵌入效果。相应地,对于流形数据结果,通常将PCA扩展为kernel PCA,即通过引入kernel method(kernel trick)来实现非线性降维。
2.kPCA推导过程
根据前面PCA的篇章,我们知道如何使用PCA对数据进行低维的线性嵌入。这需要我们对采样的协方差矩阵进行特征分解。其中矩阵 的定义如下: