(8.3)--8.3 PCA(一)机器学习与模式识别.pptVIP

PrincipalComponentAnalysis主成分分析（一）

CHAPTERONE算法思想Ideas

一、算法思想以较低维度投影更好地表达原始数据PCA算法的目标?????

一、算法思想子空间投影???特征样本?待优化对象?需要怎样的子空间？保持良好的表征能力——投影后保持特征的差异性降维、去冗余、去噪——投影减少数据的信息损失

CHAPTERTWO问题模型ProblemModel

二、问题模型PCA优化模型概念与命名?投影后保持特征的差异性——投影方差最大化投影减少数据的信息损失——投影损失最小化

二、问题模型PCA的优化问题——单个主成分投影方差最大化?????

二、问题模型PCA的优化问题——单个主成分投影损失最小化?????

二、问题模型PCA的优化问题——单个主成分两个目标函数的等价性?投影损失投影方差?

二、问题模型PCA的优化问题——所有主成分投影损失最小化?????

二、问题模型PCA的优化问题——所有主成分——目标函数推导?

二、问题模型PCA的优化问题——所有主成分优化问题模型??

CHAPTERTHREEPCA求解SolvingPCA

三、PCA求解问题原型?拉格朗日法拉格朗日乘子式??特征值分解特征值特征向量??

三、PCA求解?用特征值分解求解PCA

LMPRMADEBYDONGYUECHENTHANKYOU感谢聆听