1.Principal components analysis (PCA)
用于减少数据集的维度,同时保持数据集中的对方差贡献较大的特征;
保留低阶主成分,忽略高阶成分,这样的低阶成分往往能够保留住数据的最重要方面
2.方差与协方差
用于衡量分散程度;
方差:一个维度内部的偏离程度;
协方差:不同维度之间的偏离程度
3.协方差矩阵
由于协方差的对称性,加上自己的协方差,可以得到协方差矩阵;
对角线上为方差;
协方差为正,代表变化趋势相同;反之亦然。
4.PCA
通过线性变化将原始数据映射到新的坐标系中,是映射后的第一个坐标上的方差最大(第一个主成分),第二个坐标上的方差第二大(第二个主成分)…
步骤:
4.1 将数据集 X X X进行标准化,得到 Y Y Y
4.2 构建协方差矩阵 Q Q Q = Y T Y^T YT Y Y Y
4.3矩阵分解,得到特征值及特征向量(线性代数)
4.4将特征值从大到小排列,最大的特征向量就是第一个主成分,第二个主成分
如何选择主成分个数:
交叉验证;
根据主成分的累计贡献率;
应用:特征提取、数据降维