13机器学习实战之PCA

降维技术

对数据进行降维有如下一系列的原因：

1. 使得数据集更容易使用
2. 降低很多算法的计算开销
3. 去除噪音
4. 使得结果易懂

在以下3种降维技术中， PCA的应用目前最为广泛，因此本章主要关注PCA。

• 1. 主成分分析(Principal Component Analysis, PCA)
  • 通俗理解：就是找出一个最主要的特征，然后进行分析。
  • 在PCA中，数据集从原始坐标系转换为新的坐标系。新的坐标系选择由数据本身决定。第一个新轴选择数据中方差最大的方向。第二轴与第一轴正交，且具有最大方差的方向。对于原始数据中的所有特性，都要重复这个过程。我们会发现大多数方差都包含在前几个坐标轴中，因此，我们可以忽略其余的坐标轴，并减少数据的维数。
  • 例如： 考察一个人的智力情况，就直接看数学成绩就行(存在：数学、语文、英语成绩)
• 1. 因子分析(Factor Analysis)
  • 通俗理解：将多个实测变量转换为少数几个综合指标。它反映一种降维的思想，通过降维将相关性高的变量聚在一起,从而减少需要分析的变量的数量,而减少问题分析的复杂性
  • 例如： 考察一个人的整体情况，就直接组合3样成绩(隐变量)，看平均成绩就行(存在：数学、语文、英语成绩)
  • 应用的领域：社会科学、金融和其他领域
  • 在因子分析中，我们
    • 假设观察数据的成分中有一些观察不到的隐变量(latent variable)。
    • 假设观察数据是这些隐变量和某些噪音的线性组合。
    • 那么隐变量的数据可能比观察数据的数目少，也就说通过找到隐变量就可以实现数据的降维。
• 1. 独立成分分析(Independ Component Analysis, ICA)
  • 通俗理解：ICA 认为观测信号是若干个独立信号的线性组合，ICA 要做的是一个解混过程。
  • 例如：我们去ktv唱歌，想辨别唱的是什么歌曲？ICA 是观察发现是原唱唱的一首歌【2个独立的声音（原唱／主唱）】。
  • ICA 是假设数据是从 N 个数据源混合组成的，这一点和因子分析有些类似，这些数据源之间在统计上是相互独立的，而在 PCA 中只假设数据是不 相关（线性关系）的。
  • 同因子分析一样，如果数据源的数目少于观察数据的数目，则可以实现降维

原文地址：https://www.cnblogs.com/xinmomoyan/p/10635380.html