PCA(主成分分析)
作用:
1、减少变量的的个数
2、降低变量之间的相关性,从而降低多重共线性。
3、新合成的变量更好的解释多个变量组合之后的意义
PCA的原理:
样本X和样本Y的协方差(Covariance):
协方差为正时说明X和Y是正相关关系,协方差为负时X和Y是负相关关系,协方差为0时X和Y相互独立。
Cov(X,X)就是X的方差(Variance).
当样本是n维数据时,它们的协方差实际上是协方差矩阵(对称方阵),方阵的边长是。比如对于3维数据(x,y,z),计算它的协方差就是:
若,则称是A的特征值,X是对应的特征向量。实际上可以这样理解:矩阵A作用在它的特征向量X上,仅仅使得X的长度发生了变化,缩放比例就是相应的特征值。
当A是n阶可逆矩阵时,A与P-1Ap相似,相似矩阵具有相同的特征值。
特别地,当A是对称矩阵时,A的奇异值等于A的特征值,存在正交矩阵Q(Q-1=QT),使得:
对A进行奇异值分解就能求出所有特征值和Q矩阵。
D是由特征值组成的对角矩阵
由特征值和特征向量的定义知,Q的列向量就是A的特征向量。
实现步骤:
首先我们有N个P维的向量要区分,X1,X2...Xn。P比较大,则处理所有向量的数据量较大,我们将其降至d维(d<P)。首先构造矩阵S=[X1,X2...Xn],算出协方差矩阵C(P维方阵),求出C的特征值T和特征向量V。将特征值按从大到小排列取出前d个特征值,并将这些特征值对应的特征向量构成一个投影矩阵L。使用S*L则得到降维后的提出主成分的矩阵。下面附上自己做的小实验。
X1 = [1,2,4] X2 = [10,4,5] X3 = [100,8,4]
根据经验上述3维向量中,第一维和第二维是区分的要素且第一维比第二维区分度更大。于是我们构造矩阵S,
1) S = [1,2,4;10,4,5;100,8,5]
2)计算出S的协方差矩阵C = COV(S),
C =
1.0e+003 *
2.9970 0.1620 0.0180
0.1620 0.0093 0.0013
0.0180 0.0013 0.0003
求出协方差矩阵C的特征值T和特征向量V,[T,V] = eig(C)
V =
-0.0235 0.0489 -0.9985
0.5299 -0.8464 -0.0540
-0.8478 -0.5303 -0.0060
T=
1.0e+003 *
-0.0000 0 0
0 0.0008 0
0 0 3.0059
取出第3个和第2个特征值以及相对应的特征向量构成投影矩阵L(实际上可以只取第三维)
L =
-0.9985 0.0489
-0.0540 -0.8464
-0.0060 -0.5303
使用S*L则得到新的降维后的矩阵N
N =
-1.1305 -3.7651
-10.2310 -5.5481
-100.3120 -4.5327
则提取出了可以用于区分的二维。