机器学习(五)PCA数据降维
2015-04-11 22:41
183 查看
PCA数据降维
原文地址:/article/7649349.html
作者:hjimce
一、PCA相关理论
PCA算法又称主成分分析,是一種分析、簡化數據集的技術。主成分分析经常用于减少数据集的维数,同时保持数据集中的对方差贡献最大的特征。PCA的数学定义是:一个正交化线性变换,把数据变换到一个新的坐标系统中,使得这一数据的任何投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推。
PCA不仅仅是对高维数据进行降维,更重要的是经过降维去除了噪声,发现了数据中的模式。PCA把原先的n个特征用数目更少的m个特征取代,新特征是旧特征的线性组合,这些线性组合最大化样本方差,尽量使新的m个特征互不相关。从旧特征到新特征的映射捕获数据中的固有变异性。
二、PCA算法实现
对于PCA数据降维算法一开始经常和SVD奇异分解搞混了,其实这两个可以说扯不上关系,SVD分解是一种矩阵分解的解法,可以用于求取一个非方阵矩阵的特征值和特征向量。下面先从PCA算法流程讲起:
(1)对于给定的二维数据点集P(x,y),求取这些散乱点的重心坐标(2)把散乱点的重心坐标平移到原点,同时构造新数据矩阵:
注意上面每个点,需要写成列向量的形式,这样构造的M矩阵是一个2行,n列的矩阵
(3)构造协方差矩阵,协方差矩阵为:
由于M矩阵是
的矩阵,则最后的协方差矩阵为
的矩阵,存在两个特征值和特征向量。
(4)求解A矩阵的特征值,特征向量,那么特征值最大对应的特征向量,为数据点位置方差变化最快的方向,如下图,直线的方向向量即为A矩阵的最大特征向量的方向,而A矩阵的另外一个特征向量,即为垂直于该直线的方向向量。
(5)设求解出的A矩阵的特征向量为
,上图的二维特征向量就是直线的法向量和垂直于该直线的法向量。接着把所有的原来数据点P(x,y),投影到这些特征向量上,得到对应的系数,其实这一步很简单,只需要把P(x,y)与特征向量点乘,即
即可转换到特征空间的投影坐标B,也就是相当于转换到相对以特征向量为坐标轴方向的相对坐标系下。
那么同理,如果要把数据从相对坐标系转换到世界坐标系下就要用公式:
这就是PCA算法,数据重建的公式。
(6)数据降维,说的简单一点就是丢弃掉一些特征向量,然后进行重建数据,比如所我现在要把上面的二维数据降为1维,那么我重建数据的公式就要由:
变为
也就是说
与数据重建的结果无关,数据存储的时候,只需要存一维坐标
,然后由
重建降维后的数据,而原来每个样本点的需要存储(x,y)两个数据,这就是所谓的数据降维。
x=importdata('x.txt'); y=importdata('y.txt'); data(:,1)=x; data(:,2)=y; plot(data(:,1),data(:,2),'.k'); %计算平均值 [m n]=size(data); meanx=sum(data(:,1))/m; meany=sum(data(:,2))/m; covariation=data; covariation(:,1)=covariation(:,1)-meanx; covariation(:,2)=covariation(:,2)-meany; %协方差矩阵 comatrix=covariation'*covariation; %矩阵分解 通过svd计算的结果需要转换,才能得到特征向量, % 而eig是不需要转换的,不过eig好像没有对特征向量的值进行排序 [s v d]=svd(comatrix); [u1,eigD] = eig(comatrix) for i=1:n u(:,i)=1/sqrt(v(i,i))*comatrix*d(:,i); end hold on; plot([0+meanx,u(1,2)+meanx],[meany,u(2,2)+meany],'-y'); %计算特征空间中的坐标 figure(2); hold on; for i=1:m newpca(i,1)=covariation(i,:)*u(:,1); newpca(i,2)=covariation(i,:)*u(:,2); end plot(newpca(:,1),newpca(:,2),'.k'); % x=u(1,2)*u1(2,1);判断是否平行 % y=u(2,2)*u1(1,1); % plot([0+meanx,u1(1,1)+meanx],[meany,u1(2,1)+meany]); % plot([0+meanx,u1(1,2)+meanx],[meany,u1(2,2)+meany]);
当然对于真正的数据,往往不仅仅是2维的,可以有更高维的向量,比如在机器学习领域,对于一张的图片
,每一个样本的维数就是400维,存在着大量的冗余数据,因此降维是很有必要的。
***********作者:hjimce 联系qq:139385268 更多资源请关注我的博客:http://blog.csdn.net/hjimce
原创文章,转载请注明出处 *********************
相关文章推荐
- 机器学习-python编写主成分分析(PCA)数据降维
- 【机器学习】数据降维—核主成分分析(Kernel PCA)
- 机器学习数据预处理:数据降维之PCA
- 机器学习(3.2)--PCA降维鸢尾花数据降维演示
- [机器学习]-PCA数据降维:从代码到原理的深入解析
- 【机器学习】数据降维—主成分分析(PCA)
- 机器学习基础与实践(三)----数据降维之PCA
- 机器学习PCA数据降维
- 机器学习(五)PCA数据降维
- 机器学习数据预处理:数据降维之PCA
- 数据降维之PCA算法的理解(机器学习公开课)
- PCA数据降维
- 机器学习公开课笔记(8):k-means聚类和PCA降维
- 机器学习笔记_ 降维_2:PCA
- 菜鸟入门_Python_机器学习(4)_PCA和MDA降维和聚类
- 数据预处理之数据降维 PCA法
- 机器学习实战——第十三/十四章:利用PCA和SVD来简化数据
- 数据降维(pca)
- PCA数据降维
- Stanford机器学习---第十讲. 数据降维