• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

PCA的数学原理Matlab演示

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

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

这里生成一个的小矩阵便于说明。

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差异很小,我们能够使用Frobenius范数度量两个矩阵的差异。

 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 [email protected]

鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
Log4delphi使用心得发布时间:2022-07-18
下一篇:
Delphi的RTTI机制浅探发布时间:2022-07-18
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap