主成分分析
1.概要
主成分分析法由Karl Pearson 在 1903 提出,经由Harold Hotelling 在 20世纪三十年代从另一个角度进行了完善,是一种适用于高维数据,探索性数据分析的方法,作为最早一批被应用于模式识别、机器学习模型的算法之一,其现在经过实现数据压缩降维、特征提取而广泛应用于力学、信号处理、质量控制、心理学等许多领域。
2.算法思想
简单一句话来说的话:找到一组组正交化的投影(一次线性变化-linear transformation),使得原空间的数据在新的投影空间中的数据方差最大,也即尽可能使投影结果分散。而如何去找到这样的一个线性变化呢? 这时候不得不说数学家们的想法是真的难以想象。
假设有这样一组n个样本的数据,每个样本有d个特征X ={ },我们对数据样本进行中心化(Data centralisation)
其中m为所有样本的中心。
接着为了找到第一主成分的投影 u 使得该投影空间下数据的方差最大,
令,则样本空间的方差D可以表示为:
此处m为新样本的中心,由于原数据进行了中心化,易得:
则
其中不难发现为原空间数据X的斜方差矩阵,这里使得投影向量的长度.问题变转化成了求函数:
求最值问题。 接着借助拉格朗日乘子法我们可以将上述函数转化成如下形式:
,
对u求偏导易得:
2Su − 2λu = 0 也即Su= λu
这时我们