关于
PCA(Principal component analysis)主成分分析。是SVD(Singular value decomposition)神秘值分析的一种特殊情况。主要用于数据降维。特征提取。
Matlab演示
生成一个随机矩阵
这里生成一个
A = rand(3,3);
特征值分解
[V,D] = eig(A);
V是特征向量,D是特征向量相应的特征值。特征值从小到大依次为20,1.3060,0.0655。最后一个特征很小。由于我们能够舍去。
构造子空间的基
SubSpace = V(:,2:end);
我们选取最大的两个特征值相应的特征向量。构成我们的子空间。
构造子空间上的正交投影
Q = SubSpace * SubSpace ’;
子空间投影
B = Q'*A ;
计算子空间与原始空间的差值
能够看出这里我们使用子空间投影复原的矩阵
norm(A-B,'fro');
数学好的同学已经看出来了,事实上这也就是矩阵的低秩逼近问题。
完。
Licenses
作者 | 日期 | 联系方式 |
---|---|---|
风吹夏天 | 2015年8月10日 | wincoder@qq.com |