这里第十五、十六课-子空间投影、投影矩阵和最小二乘
子空间投影引入-向量的投影
我们首先以R2维空间中为例,一个向量投影b到另外一个向量a,含义为: 在a所在的空间中,找到离b最近的点,即垂直点,所以距离 我们也可以认为是b 距离 b到a 的投影之间的误差,对于投影 到的向量p = xa,由于垂直,我们有
a T e = 0 a^Te=0 aTe=0
a T ( b − p ) = 0 a^T(b-p)=0 aT(b−p)=0
a T ( b − x a ) = 0 a^T(b-xa)=0 aT(b−xa)=0
x a T a = a T b xa^Ta = a^Tb xaTa=aTb
x = a T b / a T a x = a^Tb/a^Ta x=aTb/aTa
所 以 有 投 影 的 向 量 p = a x = a × ( a T b / a T a ) 所以有 投影的向量 p = ax= a \times (a^Tb/a^Ta) 所以有投影的向量p=ax=a×(aTb/aTa)
我们向量e 来记录这个距离值,易知 e与 a空间垂直,成e为误差
这里我们引入投影矩阵的概念,即一个投影矩阵作用到一个向量,结果为投影的向量
由于 p = ( a a T / a T a ) b p = (a a^T/a^Ta) b p=(aaT/aTa)b
所以有投影矩阵为
P = ( a a T / a T a ) , 有 p = P b P = (a a^T/a^Ta),有 p = Pb P=(aaT/aTa),有p=Pb
分析投影矩阵P
1、由 P = ( a a T / a T a ) P = (a a^T/a^Ta) P=(aaT/aTa)由于 a T a a^Ta aTa 是一个数值,在一维情况下。分析