【机器学习】降维与度量学习（KNN、PCA、KPCA、流形学习、度量学习）

一、KNN

确定训练样本，以及某种距离度量。

对于某个给定的测试样本，找到训练集中距离最近的k个样本，对于分类问题使用“投票法”获得预测结果，对于回归问题使用“平均法”获得预测结果。还可基于距离远近进行加权平均或加权投票，距离越近的样本权重越大。

 

当k取不同值时，分类结果会有显著不同。

若采用不同的距离计算方式，则找出的“近邻”可能有显著差别，从而也会导致分类结果有显著不同

 

---

 

二、维数灾难

 

一般情况下，如果使用现有特征获得的分类器性能不佳，则会考虑添加新的特征，以提高分类器性能（以运算复杂度为代价）。

---

 

三、主成分分析（PCA）

若 与正交，则新坐标系是一个正交坐标系，此时 W为正交变换。

显然，新空间中的属性是原空间中的属性的线性组合。

• 推导：

最大可分性：

样本点 在新空间中超平面上的投影是 ，若所有样本点的投影能尽可能分开，则应该使得投影后样本点的方差(已中心化)最大化。

最近重构性：

希望原样本点和基于投影重构的样本点的距离越小越好

基于两种思想得到的最优化的式子是一致的。

求解：

 

• PCA算法流程

KPCA：

伪代码：

 

---

四、流形学习

用于从高维采样数据恢复低维流形结构，是一种非线性降维方法。

把数据从高维空间，保持一定几何拓扑关系，如测地距离/邻域线性重构关系，进行非线性降维，映射到低维嵌入空间。

Isomap:

局部线性嵌入LLE：

局部线性嵌入试图保持邻域内的线性关系，并使得该线性关系在降维后的空间中继续保持。

---

 

五、度量学习