- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
因子分析(FactorAnalysis
因子分析(Factor Analysis )
JerryLead@ISCAS
csxulijie@
2011 年5 月11 日
1 问题
( )
之前我们考虑的训练数据中样例x 的个数m 都远远大于其特征个数n,这样不管是进
行回归、聚类等都没有太大的问题。然而当训练样例个数 m 太小,甚至 m<<n 的时候,使
用梯度下降法进行回归时,如果初值不同,得到的参数结果会有很大偏差(因为方程数小于
参数个数)。另外,如果使用多元高斯分布(Multivariate Gaussian distribution)对数据进行拟合
时,也会有问题。让我们来演算一下,看看会有什么问题:
多元高斯分布的参数估计公式如下:
1
( )
μ = ∑
=1
1
( ) ( )
Σ = ∑ ( − μ) ( − μ)
=1
( )
分别是求mean 和协方差的公式,x 表示样例,共有m 个,每个样例n 个特征,因此
μ是n 维向量,Σ是n*n 协方差矩阵。
| | −1
当m<<n 时,我们会发现Σ是奇异阵(Σ = 0 ),也就是说Σ 不存在,没办法拟合出多
元高斯分布了,确切的说是我们估计不出来Σ 。
如果我们仍然想用多元高斯分布来估计样本,那怎么办呢?
2 限制协方差矩阵
当没有足够的数据去估计Σ时,那么只能对模型参数进行一定假设,之前我们想估计出
完全的Σ (矩阵中的全部元素),现在我们假设Σ就是对角阵(各特征间相互独立),那么我
们只需要计算每个特征的方差即可,最后的Σ只有对角线上的元素不为0
1
( )
Σ = ∑( − )2
=1
回想我们之前讨论过的二维多元高斯分布的几何特性,在平面上的投影是个椭圆,中心
点由μ决定,椭圆的形状由Σ决定。Σ如果变成对角阵,就意味着椭圆的两个轴都和坐标轴平
行了。
如果我们想对Σ进一步限制的话,可以假设对角线上的元素都是等值的。
= 2
其中
文档评论(0)