连续潜变量与PCA应用分析.pdfVIP

第16章连续潜变量

图16.1一个合成的数据集，从中获取一个手写数字图像并创建多个副本，在每个副

本中，手写数字在某个更大的图像区域内进行随机移动和旋转

图16.2利用PCA寻求一个低，称为主子空间（principalsubspace），用洋红色

线条表示，以使数据点（红色点）在主子空间中的正交投影能够最大化投影点（绿色点）

的方差。PCA的另一种定义是基于最小化投影误差的平方和给出的，这些误差用蓝色线条

表示

图16.3将PCA应用于一个由6000个28×28像素的手写数字“3”的图像数据集，这里

展现了平均向量和前4个PCA特征向量及对应的特征值

图16.4(a)图16.3中使用的手写数字图像数据集的特征值谱图；(b)被抛弃特征值的和

代表了通过将数据投影到维度为的主子空间而引入的平方和误差

图16.5手写数字图像数据集中的一个手写数字及其通过保留个主成分而获得的

PCA重构结果。随着值的增加，重构变得更准确，