每周四: 6:30-9:30
教师
网站 http://www.cad.zju.edu.cn/home/zhx/csmath/doku.php?id=2011
参考书
更多参考书
课程小报告
但是,当前它通常被当做一个黑盒来使用
确定性 VS 机率性
(Felix:11021004 正在用力扩充此部分内容)
From Wikipedia: “Principal components analysis (PCA) finds a set of synthetic variables that summarise the original set. It rotates the axes of variation to give a new set of ordered orthogonal axes that summarize decreasing proportions of the variation.”
给定一个数据集Y, 需要找到一个变换X和一个特征向量W,以期通过W中的变元来描述Y。由于W中的变元是正交的,因此可以滤除Y中原来的变元之间的依赖关系[pp.23]。
我们使用奇异值分解(Singular Value Decomposition, SVD)来计算主成分,即:X=UDV'. 其中U和V是正交(Orthogonal)矩阵,D是对角(Diagonal)矩阵,使用V'代表V的转置(Transpose)[pp.30].
在实际应用中,需要考虑到样本X的一些特殊情况,例如:
浙江大学2008-2010版权所有,如需转载或引用,请与 作者联系。