• 主成分分析(上篇)


    1. 主成分分析基础知识准备

    1.1 样本均值

        给定数据集(D={x_1, x_2, ..., x_n}), 样本(x_i)(d)维向量,则样本均值为

    [overline{x}=frac{x_1+x_2+...+x_n}{n} ag{1} ]

        例1 给定一个数据矩阵

    [D_{3 imes2}= egin{bmatrix} 4 & 2\ -1 & 2\ 3 & 2 end{bmatrix}\ ]

        求样本平均?

    [x_1 = (4, 2)^T\ x_2 = (-1, 2)^T\ x_3 = (3, 2)^T ]

    [overline{x}=frac{x_1+x_2+x_3}{3}=(2, 2)^T ]

    1.2 向量投影

    1.2.1 两个维度的向量投影

    image
        求向量(vec{a})在向量(vec{b})上的投影,即红色线段的长度?

    [lVert{vec{a}} Vert{cos{ heta}}=lVert{vec{a}} Vert{frac{vec{b}^T.vec{a}}{lVert{vec{a}} VertlVert{vec{b}} Vert}}\ =vec{e}^Tvec{a} ag{2} ]

    1.2.2 三个维度的向量投影

    image

    [vec{e_1}^Tvec{x}=(frac{1}{sqrt{2}},-frac{1}{sqrt{2}},0)egin{pmatrix}1\0\2end{pmatrix}=frac{1}{sqrt{2}}\ vec{e_2}^Tvec{x}=(frac{1}{sqrt{2}},frac{1}{sqrt{2}},0)egin{pmatrix}1\0\2end{pmatrix}=frac{1}{sqrt{2}} ]

    则,投影的向量坐标为((frac{1}{sqrt{2}}, frac{1}{sqrt{2}})^T).它的矩阵形式如下:

    [egin{bmatrix} vec{e_1}^T\ vec{e_2}^T end{bmatrix}x = egin{bmatrix} frac{1}{sqrt{2}} & -frac{1}{sqrt{2}} & 0\ frac{1}{sqrt{2}} & frac{1}{sqrt{2}} & 0 end{bmatrix} egin{bmatrix} 1\ 0\ 2 end{bmatrix} = egin{bmatrix} frac{1}{sqrt{2}}\ frac{1}{sqrt{2}} end{bmatrix} ]

    这就是一个线性变换,将三维向量映射为二维向量。

    1.3 矩阵微分

        在向量空间上定义函数(f),即(f:R^d ightarrow{R}),那么函数对向量的微分形式为:

    [frac{partial f}{partial vec{x}}= egin{bmatrix} frac{partial f}{partial x_1}\ frac{partial f}{partial x_2}\ vdots\ frac{partial f}{partial x_d} end{bmatrix} ag{3} ]

        例2 令向量(vec{w}=(w_1,w_2,w_3)^T),函数(g(vec{x})=2w_1+5w_2+12w_3=(2,5,12)vec{w}),则

    [frac{partial g}{partial vec{w}}= egin{bmatrix} frac{partial g}{partial w_1}\ frac{partial g}{partial w_2}\ frac{partial g}{partial w_3}\ end{bmatrix} = egin{bmatrix} 2\ 5\ 12\ end{bmatrix} ]

        例3 对下面函数求导:

    [f(vec{e})=e_1^2+e_2^2+cdots+e_d^2=vec{e}^Tvec{e} ag{4} ]

    解:

    [frac{partial vec{e}^Tvec{e}}{partial vec{e}} = egin{bmatrix} frac{partial vec{e}^Tvec{e}}{partial e_1}\ frac{partial vec{e}^Tvec{e}}{partial e_2}\ vdots\ frac{partial vec{e}^Tvec{e}}{partial e_d}\ end{bmatrix} = 2egin{bmatrix} e_1\ e_2\ vdots\ e_d\ end{bmatrix} ]

        例4

    [A= egin{bmatrix} a_{11} & a_{12} & cdots & a_{1d}\ a_{21} & a_{22} & cdots & a_{2d}\ vdots & vdots & ddots & vdots\ a_{d1} & a_{d2} & cdots & a_{dd}\ end{bmatrix} ]

    (frac{partial vec{e}^TAvec{e}}{vec{e}})
    解:

    [A= egin{bmatrix} a_{11} & a_{12}\ a_{21} & a_{22} end{bmatrix} ]

    时,

    [vec{e}^TAvec{e}= egin{bmatrix} e_1 & e_2 end{bmatrix} egin{bmatrix} a_{11} & a_{12}\ a_{21} & a_{22} end{bmatrix} egin{bmatrix} e_1 \ e_2 end{bmatrix}\ = egin{bmatrix} e_1a_{11}+e_2a_{21} & e_1a_{12}+e_2a_{22} end{bmatrix} egin{bmatrix} e_1 \ e_2 end{bmatrix}\ = e_1^2a_{11}+e_2e_1a_{21}+e_1e_2a_{12}+e_2^2a_{22} ]

    则,

    [frac{partial vec{e}^TAvec{e}}{vec{e}}= egin{bmatrix} 2a_{11}e_1 + (a_{12}+a_{21})e_2\ (a_{21}+a_{12})e_1 + 2a_{11}e_2 end{bmatrix}\ = (A+A^T) egin{bmatrix} e_1 \ e_2 end{bmatrix}\ ]

    所以,当矩阵为(n imes{n})时,

    [frac{partial vec{e}^TAvec{e}}{vec{e}}=(A+A^T)vec{e} ag{5} ]

    特殊情况,当(A)对称矩阵,即(A=A^T)

    [frac{partial vec{e}^TAvec{e}}{vec{e}}=2Avec{e} ag{6} ]

  • 相关阅读:
    using 资源清理
    Http Module 介绍[转]
    一个类似CSDN的frameset框架
    vs.net2003的一个老问题“你试图打开的项目是Web项目,请指定URL路径”解决办法
    Oracle和SQL Server实现跨库查询
    Http 请求处理流程[转]
    Http Handler 介绍[转]
    asp.net后台控制div style
    sharepoint站点Feature的定制与开发
    为列表类型绑定Event Receiver
  • 原文地址:https://www.cnblogs.com/mysterygust/p/15334335.html
Copyright © 2020-2023  润新知