Coursera-Mathematics for Machine Learning: PCA Week3

Projection onto 1D subspaces

orthogonal projection of x onto u

THis projection matrix is denoted as pi u of x

Projection of a 2-D vector x \boldsymbol x x onto a 1-dimensional subspace U U U with basis vector b \boldsymbol b b:

π U ( x ) = b b T ∥ b ∥ 2 x {\pi_U}(\boldsymbol x) = \frac{\boldsymbol b\boldsymbol b^T}{{\lVert\boldsymbol b \rVert}^2}\boldsymbol x πU(x)=b2bbTx

For the general projection onto an M-dimensional subspace U U U with basis vectors b 1 , … , b M \boldsymbol b_1,\dotsc, \boldsymbol b_M b1,,bM we have

π U ( x ) = B ( B T B ) − 1 B T x {\pi_U}(\boldsymbol x) = \boldsymbol B(\boldsymbol B^T\boldsymbol B)^{-1}\boldsymbol B^T\boldsymbol x πU(x)=B(BTB)1BTx

where

B = [ b 1 , . . . , b M ] \boldsymbol B = [\boldsymbol b_1,...,\boldsymbol b_M] B=[b1,...,bM]

Your task is to implement orthogonal projections. We can split this into two steps

  1. Find the projection matrix P \boldsymbol P P that projects any x \boldsymbol x x onto U U U.
  2. The projected vector π U ( x ) \pi_U(\boldsymbol x) πU(x) of x \boldsymbol x x can then be written as π U ( x ) = P x \pi_U(\boldsymbol x) = \boldsymbol P\boldsymbol x πU(x)=Px.

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

the reconstruction error

the distance between the original data point and its projection onto a lower-dimensional subspace.

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值