PCA(主成分分析)算法
Posted algori
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了PCA(主成分分析)算法相关的知识，希望对你有一定的参考价值。
设有\\(m\\)个指标，\\(n\\)个样本的原始数据
- 将原始数据按列组成矩阵 \\(X _ n \\times m \\)
- 将\\(X\\) 的每一列进行中心化
- 求\\(X\\)的协方差矩阵\\(\\Sigma _ X = \\frac 1 n - 1 X ^ T X\\)
- 求出 \\(\\Sigma _ X \\) 的特征值及对应的特征向
- 将特征值按照从大到小构成对角矩阵\\(\\Lambda = \\left( \\beginarray l l l l \\lambda _ 1 & \\lambda _ 2 & \\cdots & \\lambda _ m \\endarray \\right)\\) 将特征向量按照对应特征值构成矩阵 \\(A\\)
- 根据贡献率确定主成分个数\\(r\\)
- 根据主成分个数\\(r\\)，选择\\(A\\)的前\\(r\\)列构成矩阵\\(P\\)
- \\(Y=XP\\)即为主成分得分
注意：以上步骤中矩阵 \\(X\\),\\(Y\\)的列表示指标，矩阵\\(A\\),\\(P\\)的列表示特征向量
若需要推导步骤，留言后我会抽时间整理上传
敬请大家批评指正
声明
欢迎转载，请注明出处和作者。
作者：Arlen Lee
出处：https://www.cnblogs.com/algori/p/11141551.html
以上是关于PCA(主成分分析)算法的主要内容，如果未能解决你的问题，请参考以下文章