PCA分析方法Word格式文档下载.docx
- 文档编号:19154256
- 上传时间:2023-01-04
- 格式:DOCX
- 页数:8
- 大小:726.94KB
PCA分析方法Word格式文档下载.docx
《PCA分析方法Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《PCA分析方法Word格式文档下载.docx(8页珍藏版)》请在冰豆网上搜索。
它是一种对数据进行分析的技术,最重要的应用是对原有数据进行简化。
正如它的名字:
主元分析,这种方法可以有效的找出数据中最“主要”的元素和结构,去除噪音和冗余,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构。
它的优点是简单,而且无参数限制,可以方便的应用与各个场合。
因此应用极其广泛,从神经科学到计算机图形学都有它的用武之地。
被誉为应用线形代数最价值的结果之一。
在以下的章节中,不仅有对PCA的比较直观的解释,同时也配有较为深入的分析。
首先将从一个简单的例子开始说明PCA应用的场合以及想法的由来,进行一个比较直观的解释;
然后加入数学的严格推导,引入线形代数,进行问题的求解。
随后将揭示PCA与SVD(SingularValueDecomposition)之间的联系以及如何将之应用于真实世界。
最后将分析PCA理论模型的假设条件以及针对这些条件可能进行的改进。
一个简单的模型
在实验科学中我常遇到的情况是,使用大量的变量代表可能变化的因素,例如光谱、电压、速度等等。
但是由于实验环境和观测手段的限制,实验数据往往变得极其的复杂、混乱和冗余的。
如何对数据进行分析,取得隐藏在数据背后的变量关系,是一个很困难的问题。
在神经科学、气象学、海洋学等等学科实验中,假设的变量个数可能非常之多,但是真正的影响因素以及它们之间的关系可能又是非常之简单的。
下面的模型取自一个物理学中的实验。
它看上去比较简单,但足以说明问题。
如图表1所示。
这是一个理想弹簧运动规律的测定实验。
假设球是连接在一个无质量无摩擦的弹簧之上,从平衡位置沿
轴拉开一定的距离然后释放。
对于一个具有先验知识的实验者来说,这个实验是非常容易的。
球的运动只是在x轴向上发生,只需要记录下x轴向上的运动序列并加以分析即可。
但是,在真实世界中,对于第一次实验的探索者来说(这也是实验科学中最常遇到的一种情况),是不可能进行这样的假设的。
那么,一般来说,必须记录下球的三维位置
。
这一点可以通过在不同角度放置三个摄像机实现(如图所示),假设以
的频率拍摄画面,就可以得到球在空间中的运动序列。
但是,由于实验的限制,这三台摄像机的角度可能比较任意,并不是正交的。
事实上,在真实世界中也并没有所谓的
轴,每个摄像机记录下的都是一幅二维的图像,有其自己的空间坐标系,球的空间位置是由一组二维坐标记录的:
经过实验,系统产生了几分钟内球的位置序列。
怎样从这些数据中得到球是沿着某个x轴运动的规律呢怎样将实验数据中的冗余变量剔除,化归到这个潜在的x轴上呢
这是一个真实的实验场景,数据的噪音是必须面对的因素。
在这个实验中噪音可能来自空气、摩擦、摄像机的误差以及非理想化的弹簧等等。
噪音使数据变得混乱,掩盖了变量间的真实关系。
如何去除噪音是实验者每天所要面对的巨大考验。
上面提出的两个问题就是PCA方法的目标。
PCA主元分析方法是解决此类问题的一个有力的武器。
下文将结合以上的例子提出解决方案,逐步叙述PCA方法的思想和求解过程。
线形代数:
基变换
从线形代数的角度来看,PCA的目标就是使用另一组基去重新描述得到的数据空间。
而新的基要能尽量揭示原有的数据间的关系。
在这个例子中,沿着某
轴上的运动是最重要的。
这个维度即最重要的“主元”。
PCA的目标就是找到这样的“主元”,最大程度的去除冗余和噪音的干扰。
A.标准正交基
为了引入推导,需要将上文的数据进行明确的定义。
在上面描述的实验过程中,在每一个采样时间点上,每个摄像机记录了一组二维坐标
,综合三台摄像机数据,在每一个时间点上得到的位置数据对应于一个六维列向量。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- PCA 分析 方法
![提示](https://static.bdocx.com/images/bang_tan.gif)