简单推导 PCA
2016-12-10 21:48
274 查看
考虑二维数据降低到一维的例子,如下图所示:
最小化投影方差(maximize projected variance):
1N∑n=1N(uuT1xn−uuT1x¯)=uuT1Suu1,s.t.uuT1uu1=1
则根据拉格朗日乘子法,有:
uuT1Suu1+λ(1−uuT1uu1)
对 uu1 求导数,得:
Suu1=λuu1
可见投影的最佳方向就是,样本协方差矩阵的特征向量方向;
最小化投影方差(maximize projected variance):
1N∑n=1N(uuT1xn−uuT1x¯)=uuT1Suu1,s.t.uuT1uu1=1
则根据拉格朗日乘子法,有:
uuT1Suu1+λ(1−uuT1uu1)
对 uu1 求导数,得:
Suu1=λuu1
可见投影的最佳方向就是,样本协方差矩阵的特征向量方向;
相关文章推荐
- 主成分分析(PCA)算法的简单推导和实例
- 简述LDA,PCA,SVD原理推导及其简单应用
- 【模式识别】PCA检测人脸的简单示例MATLAB实现
- POJ 2231 Moo Volume(排序+简单公式推导)
- SVD 与 PCA 的直观解释(3): SVD的直观解释及推导
- 主成分分析(PCA)原理及推导
- 线性判别分析(LDA), 主成分分析(PCA)及其推导【转】
- BNU27945——整数边直角三角形——————【简单数学推导】
- 简单易学的机器学习算法——主成分分析(PCA)
- LQR 的直观推导及简单应用
- PCA检测人脸的简单示例_matlab实现
- 由语法推导树理解确定短语、直接短语(简单短语)、句柄
- Python 3.2中 推导列表的简单小例子
- PCA 分解的基本推导和计算方法
- PCA基本推导和计算方法
- 统计知识选讲(二)——主成分分析(PCA)的推导和应用
- 算法时间复杂度的简单推导
- codeforces 153 A. Points on Line 简单数学题 简单推导推导的事情
- PCA的数学原理,推导的很详细
- 主成分分析(PCA)原理及推导