PCA（Principal Component Analysis，主成分分析），PCA是一種無監(jiān)督算法，也就是我們不需要標簽也能對數(shù)據(jù)做降維，這就使得其應用范圍更加廣泛了。那么PCA的核心思想是什么呢？這里我們提到了方差，咱們可以想象一下，如果一群人都堆疊在一起，我們想?yún)^(qū)分他們是不是比較困難，但是如果這群人站在馬路兩側(cè)，我們就可以很清晰的判斷出來應該這是兩伙人。所以基于方差我們可以做的就是讓方差來去判斷咱們數(shù)據(jù)的擁擠程度，在這里我們認為方差大的應該辨識度更高一些，因為分的比較開（一條馬路給隔開啦）。

降維致力于解決三類問題。?
1. 降維可以緩解維度災難問題；?
2. 降維可以在壓縮數(shù)據(jù)的同時讓信息損失最小化；?
3. 理解幾百個維度的數(shù)據(jù)結構很困難，兩三個維度的數(shù)據(jù)通過可視化更容易理解。?

就像我們圖上面的，我說有一個向量（3，2），但是為什么這個向量是這樣的表示呢？因為它在我們的做標系中，如果我把坐標系換了，它就不是（3，2）了。作為基，首先的一個前提就是要相互垂直，或者說內(nèi)積為0，因為X和Y它們表達的分別是兩種指標，我們不希望它們之間內(nèi)部存在任何聯(lián)系，所以必須讓他們內(nèi)積為0，這樣就是各自獨立的啦！

所謂的降維就是要把我們的數(shù)據(jù)投影到最合適的基中

方差，協(xié)方差和協(xié)方差矩陣

方差（Variance）是度量一組數(shù)據(jù)的分散程度。方差是各個樣本與樣本均值的差的平方和的均值：?

協(xié)方差（Covariance）是度量兩個變量的變動的同步程度，也就是度量兩個變量線性相關性程度。如果兩個變量的協(xié)方差為0，則統(tǒng)計學上認為二者線性無關。注意兩個無關的變量并非完全獨立，只是沒有線性相關性而已。計算公式如下：?

如果協(xié)方差大于0表示一個變量增大是另一個變量也會增大，即正相關，協(xié)方差小于0表示一個變量增大是另一個變量會減小，即負相關。?

對于二維數(shù)據(jù)降維到一維數(shù)據(jù)，按照上面的方法找到方差值最大就行。但是對于高維數(shù)據(jù)來說，僅此一個條件并不能完全決定。三維數(shù)據(jù)降維到二維時，首先我們希望找到一個方向使得投影后方差最大，這樣就完成了第一個方向的選擇，繼而我們選擇第二個投影方向。

如果我們還是單純只選擇方差最大的方向，很明顯，這個方向與第一個方向應該是“幾乎重合在一起”，顯然這樣的維度是沒有用的，因此，應該有其他約束條件。從直觀上說，讓兩個字段盡可能表示更多的原始信息，我們是不希望它們之間存在（線性）相關性的，因為相關性意味著兩個字段不是完全獨立，必然存在重復表示的信息。數(shù)學上協(xié)方差表示兩組數(shù)據(jù)的相關性：

假設有一個矩陣：

然后我們用X乘以X的轉(zhuǎn)置，并乘上系數(shù)1/m：

這個矩陣對角線上的兩個元素分別是兩個字段的方差，而其它元素是a和b的協(xié)方差。兩者被統(tǒng)一到了一個矩陣的。根據(jù)矩陣相乘的運算法則，這個結論很容易被推廣到一般情況：
設我們有m個n維數(shù)據(jù)記錄，將其按列排成n乘m的矩陣X，設C=1mXXT，則C是一個對稱矩陣，其對角線分別個各個字段的方差，而第i行j列和j行i列元素相同，表示i和j兩個字段的協(xié)方差。

PCA算法步驟：

設有m條n維數(shù)據(jù)。
1）將原始數(shù)據(jù)按列組成n行m列矩陣X
2）將X的每一行（代表一個屬性字段）進行零均值化，即減去這一行的均值
3）求出協(xié)方差矩陣?
4）求出協(xié)方差矩陣的特征值及對應的特征向量
5）將特征向量按對應特征值大小從上到下按行排列成矩陣，取前k行組成矩陣P
6）Y=PX即為降維到k維后的數(shù)據(jù)

實例：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

對其進行0均值化處理：

? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

求協(xié)方差矩陣：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

求解后特征值為：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

---

特征值和特征向量的求法是這樣的：假設A

根據(jù)前面的公式AA乘以特征向量，必然等于特征值乘以特征向量。我們建立特征方程求解：

從特征方程可以看出，矩陣與單位矩陣和特征值乘積的矩陣行列式為0，即：

矩陣的兩個特征值都等于-1?，F(xiàn)在再用特征值來解特征向量。?把λ=?1帶入：

得到：

所以：

---

對特征值分解后按照特征值大小排序，取前多少個。通過特征值排列 ，我們可以得到數(shù)據(jù)在這些特征向量上的分布和多樣性。

其對應的特征向量分別是：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

其中對應的特征向量分別是一個通解，c1和c2可取任意實數(shù)。那么標準化后的特征向量為：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

因此我們的矩陣P是：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

可以驗證協(xié)方差矩陣C的對角化：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??? ? ? ? ?

最后我們用P的第一行乘以數(shù)據(jù)矩陣，就得到了降維后的表示：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ??

?

?

總結

以上是生活随笔為你收集整理的协方差及PCA降维计算的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。