PCA(协方差矩阵和奇异值分解两种方法求特征值特征向量).docxVIP

PCA(协方差矩阵和奇异值分解两种方法求特征值特征向量) PCA(协方差矩阵和奇异值分解两种方法求特征值特征向量) 2015-12-30 10:43?1157人阅读? 评论(0)? \o 收藏 \t /guoxinian/article/details/_blank 收藏? \o 举报 举报 ?分类： 模式识别（1）? 1.问题描述?? 在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在大多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。 ? 2.过程 主成分分析法是一种数据转换的技术，当我们对一个物体进行衡量时，我们将其特征用向量（a1,a2,a3,...an）进行表示，每一维都有其对应的variance（表示在其均值附近离散的程度）；其所有 表明取前k个主成分基本包含了全部测量指标所具有的信息，这样既减少了变量的个数又方便于对实际问题的分析和研究。 ??? 注意，当（a1,a2,a3,...an）之间都是incorrelated时，我们就没有做PCA的必要了 ? 数据点在