对于PCA的认识

　　PCA(Principal component analysis)是一种多元统计方法。最近在研究PCA在故障检测上的运用。在这里说说我对PCA的认识。

　　首先，我们需要有一组数据X，X是n行m列的数据，为了方便，我们认为数据是均值为0，方差为1的数据。其中n为样本数，m为变量。我们可以找到一个线性组合T=XP，其中T=（t₁,t₂,...,t_m）（T为得分矩阵，R^n*m）,P=（p₁,p₂,...,p_m）（p为负载矩阵，R^m*m）。

其中使得 (1)t_i和t_j线性无关。

　　　　(2)t₁是使X一切线性组合中方差最大的，t₂是使满足(1)后X一切线性组合中方差最大的。。。

　　　　(3)t_i=Xp_i的系数满足p_i^Tp_i=1.

其实，以上三个要求就是将原数据进行平移旋转，但是也不能随意的旋转，我们需要找个一组坐标系，使得我们的数据在这个新的坐标系上能有最清晰的反应。这个指标就是方差，我们需要找到一组使这组数据方差最大的一个坐标系，然后找到这个坐标系之后，我们选取其方向的单位向量来表示这个坐标系。

　　这个新的坐标系的具体求解方法如下：

(1)将数据X中心化((x-u)/std(x))，得到新的数据仍然用X表示。

(2)计算X的协方差矩阵∑=X^T*X。并对其进行特征值分解，得到特征值Λ'，和对应的特征向量矩阵P'。然后我们对特征值按其大小按从大到小排序，对应的特征向量也进行排序得到Λ和P，就找到满足条件的坐标系。

以上是坐标系的变换，但PCA不仅仅如此。PCA可以在一定置信度下，将高维数据用较少维数的数据表示，也就是降维的功能。下面来解释。

首先，我们对一个100*3的数据进行PCA处理，得出负载矩阵P。我们选取负载矩阵中前两个向量作为主元空间，将其画出来的话是这个样子的：

蓝色的点为原数据点，红色向量为第一主轴，黑色向量为第二主轴，绿色向量对应残差方向(它对应的方差太小，可以被忽略)。平面为第一、第二主轴构成的平面。

可以明显的看到，原数据与主元空间(就是平面)的关系，原数据并不全在主元空间内，但是残差方向的方差是最小的。

我们先是通过旋转获得可以使数据方差最大主轴，然后我们进行降维。降维后的数据如下图：

 

两张图都是降维后的图形，旋转下能看得更清楚，降维后的数据都在主元空间内了。由于残差方向的信息比较小，PCA忽略了这一部分信息，用降维后的数据来表示原数据。个人觉得PCA降维就是把原数据压扁在主元空间里面，残差方向都变为0了（个人觉得这样最形象了，请自行补脑。。）。PCA的降维其实去掉了一部分噪声，使多维数据更加精简。

 

以上内容是个人对PCA的理解，如有不足，望指正。