本文不会深究原理,如果有时间我会把原理补上,这篇文章主要是讲主成分分析的计算步骤。
在开始详细介绍PCA算法前,我们先来复习一下线性代数中几个重要的概念
线性代数概念复习
向量的内积
假设 a ⃗ = [ a 1 a 2 . . . a n ] \vec{a}=\begin{bmatrix} a_1 \\ a_2 \\ ...\\a_n \end{bmatrix} a=⎣⎢⎢⎡a1a2...an⎦⎥⎥⎤, b ⃗ = [ a 1 a 2 . . . a n ] \vec{b}=\begin{bmatrix} a_1 \\ a_2 \\ ...\\a_n \end{bmatrix} b=⎣⎢⎢⎡a1a2...an⎦⎥⎥⎤
那么
a ⃗ ⋅ b ⃗ = a 1 b 1 + a 2 b 2 + . . . + a n b n \vec{a}\cdot\vec{b}=a_1b_1+a_2b_2+...+a_nb_n a⋅b=a1b1+a2b2+...+anbn
a ⃗ \vec{a} a的模记为: ∣ a ⃗ ∣ = a ⃗ ⋅ a ⃗ |\vec{a}|=\sqrt{\vec{a}\cdot \vec{a}} ∣a∣=a⋅a
a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ c o s θ \vec{a}\cdot\vec{b}=|\vec{a}||\vec{b}|cos\theta a⋅b=∣a∣∣b∣cosθ
假设 b ⃗ \vec{b} b的模为1,即单位向量,那么 a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ c o s θ \vec{a}\cdot\vec{b}=|\vec{a}|cos\theta a⋅b=∣a∣cosθ,实际上,内积就是 a ⃗ \vec{a} a在 b ⃗ \vec{b} b方向上的投影的长度。
如果 a ⃗ ⋅ b ⃗ = 0 \vec{a}\cdot\vec{b}=0 a⋅b=0,表示 a ⃗ \vec{a} a和 b ⃗ \vec{b} b正交,也就是线性无关。
基
在线性代数中,基(也称为基底)是描述、刻画向量空间的基本工具。向量空间的基是它的一个特殊的子集,基的元素称为基向量。向量空间中任意一个元素,都可以唯一地表示成基向量的线性组合。如果基中元素个数有限,就称向量空间为有限维向量空间,将元素的个数称作向量空间的维数。
向量空间V的一组向量若满足
1)线性无关
2)V中任一向量可由此向量线性表出,则称该组向量V中的一个基(亦称基底)。
一个向量空间的基有很多,但每个基所含向量个数却是个定数。
例如
上图的一组基是 ( 1 , 0 ) (1, 0) (1,0)和 ( 0 , 1 ) (0, 1) (0,1),向量 a ⃗ = ( 3 , 2 ) = 3 ( 1 , 0 ) + 2 ( 0 , 1 ) \vec{a}=(3, 2) = 3(1, 0)+2(0, 1) a=(3,2)=3(1,0)+2(0,1)
假设又有一组新的基 ( 0.5 , 0.5 ) (0.5, 0.5) (0.5,0.5)和 ( − 0.5 , 0.5 ) (-0.5, 0.5) (−0.5,0.5),那么原来的向量 a ⃗ \vec{a} a应该怎么表示?
a ⃗ \vec{a} a在新的基 ( 0.5 , 0.5 ) (0.5, 0.5) (0.5,0.5)上的投影为 ( 0.5 , 0.5 ) ⋅ ( 3 , 2 ) T = 2.5 (0.5, 0.5) \cdot (3, 2)^T=2.5 (0.5,0.5)⋅(3,2)T=2.5,在 ( 0.5 , − 0.5 ) (0.5, -0.5) (0.5,−0.5)上的投影为 ( − 0.5 , 0.5 ) ⋅ ( 3 , 2 ) T = − 0.5 (-0.5, 0.5) \cdot (3, 2)^T=-0.5 (−0.5,0.5)⋅(3,2)T=−0.5,所以 a ⃗ \vec{a} a在新的基上为 ( 2.5 , − 0.5 ) (2.5, -0.5) (2.5,−0.5)
也可以用矩阵计算:
[ 0.5 0.5 − 0.5 0.5 ] [ 3 2 ] = [ 2.5 − 0.5 ] \begin{bmatrix} 0.5 & 0.5 \\ -0.5 & 0.5 \end{bmatrix}\begin{bmatrix} 3\\ 2 \end{bmatrix}=\begin{bmatrix} 2.5\\ -0.5 \end{bmatrix} [0.5−0.50.50.5][32]=[2.5−0.5]
假设 [ p 1 p 2 . . . p r ] \begin{bmatrix} p_1\\ p_2\\...\\p_r \end{bmatrix} ⎣⎢⎢⎡p1p2...pr⎦⎥⎥⎤是n组新的基, [ a 1 a 2 . . . a m ] \begin{bmatrix} a_1& a_2&...&a_m \end{bmatrix} [a1a2...am]是m个样本,那么m个样本在n组基表达为:
[ p 1 p 2 . . . p r ] [ a 1 a 2 . . . a m ] = [ p 1 a 1 p 1 a 2 . . . p 1 a m p 2 a 1 p 2 a