毕设周记Ⅱ

• 学习熟悉R语言相关的知识，看完慕课网上R语言入门教学视频，进阶材料是《R语言实战》，随用随查。

• 了解学习当前主流的降维方法。

  • 主成分分析(PCA)
    • 将原始变量转换为一小部分反映事物主要性质的变量；
    • 选择确定的几个方向将源高维数据投影到低维空间，降维后数据间方差最大；
    • 事先要求解关于样本数据的协方差矩阵，继而求解特征值与特征向量；
    • 所有样本统一对待，忽略类别属性；

  ---

  • 线性判别分析(LDA)
    • 投影到低维空间后的能将低维数据的数据特征拉开(类内间距最小，类间间距最大)，有利于分类；

  ---

  • 典型相关分析(CCA)
    • 是PCA在两组变量上的推广，为每组变量寻找相应投影向量，使之在投影后的低维空间中相关性最大；

  ---

  • 随机投影(RP)
    • Johnson-Lindenstrauss Lemma是RP的理论基础；
    • 投影矩阵随机产生，减小计算开销；
    • 如何选取合适的投影矩阵是降维效果好坏的关键；

• 随机投影(RP)的原理了解的差不多了，其中的一些数学细节还需要再看。

• 在考虑如何获取比较符合条件的高维数据集，电商的好数据没法搞到手啊，倒是有一些提供数据集的免费平台，找找看看吧，这件事目前还不处于优先考虑范畴。

• 可能纯用R来实现整体不太现实，不排除使用其它工具的可能，比如python。

---

by gromit
01/05/2016