主题:【讨论】什么是主成分分析法即principal component analysis及其适用的范围?

浏览0 回复41 电梯直达
chauchylan
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
能否简单介结一下适用范围及如何建立数学模型?
为您推荐
专属顾问快速对接
获取验证码
立即提交
savedown
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
一个体系有很多变量组成,这叫多变量。
多变量通常用统计来描述,就叫多变量统计。
直接的多变量描述会有共线性问题,于是就需要正交描述。
正交描述就需要一种空间正交分解方法,于是就有了PCA。
savedown
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
原文由 chauchylan(chauchylan) 发表:
感觉有点像线性代数中的基向量,这个基向量就是PCA吗?????


一个子空间可以被无穷组基向量描述,PCA得到其中一组基向量,该组基向量的第一个称为第一主元(主成分),是空间中数据分布的最大方向,第二主元是次大的正交方向,以此类推,直至空间所有的维度被描述完毕。
savedown
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
原文由 chauchylan(chauchylan) 发表:
维度是否体现在分析化学中就是影响定量分析准确度的主要因素?第一主元也就是影响最明显的因素,第二主元也就是影响次之的因素???


空间是无穷维的,我们的测量数据存在于有限维的子空间,如果空间的维度不对,就意味着损失了数据或者增加了不必要的干扰。所以确定维度对于子空间描述是至关重要的,但是维度对了,并不能确保子空间的划定就是准确的,所以维度的正确是定量准确的必要条件。

有点晕?  :) 没关系,这个可以不懂。

第一主元可以被认为是最明显因素,但实际上,这样会误导人。PCA实际上是数据驱动方法,不太讲理,分量的可解释性差是其软肋。相较之下,ICA更讲理一些,有兴趣可以看看。
savedown
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
PCA可以用于聚类分析,但不仅仅用于聚类。

PCA或者说SVD是一种多元数据描述方法,在线性代数里面只是提了一个头,后续的知识主要在矩阵论和多变量统计里面讲述了。

PCA是多个学科的重要理论基础,不是在此几句话就能说明白。

可能还要仔细学习方能略懂。
品牌合作伙伴