0 摘要
调参千万回,看书第一回;
学习不总结,亲人两行泪。
1 PCA算法推导
1.1 PCA介绍
主成分分析(Principal components analysis),是一种降维方法,在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。简而言之就是,将高维数据通过线性变换投影到低维空间上。其关键是计算协方差矩阵。
1.2 PCA推导过程
![](https://img-blog.csdnimg.cn/20190217234554816.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA2MDk3Ng==)
![](https://img-blog.csdnimg.cn/20190217235144895.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA2MDk3Ng==)
1.3 PCA与LDA异同
同:两者都是假设符合高斯分布的降维算法。
异:
(1)LDA是有监督的降维方法,PCA是无监督的。
(2)LDA降维最多降到类别数K-1的维数,PCA没有这个限制。
(3)LDA更依赖均值,如果样本信息更依赖方差的话,效果将没有PCA好。
(4)LDA可能会过拟合数据。
![](https://img-blog.csdnimg.cn/20190221151429242.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA2MDk3Ng==)
![](https://img-blog.csdnimg.cn/20190221151513278.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA2MDk3Ng==)
2 最小二乘解
2.1 线性方程组
![](https://img-blog.csdnimg.cn/20190221160915880.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTA2MDk3Ng==)