P C A − − − 主 成 成 分 分 析 PCA---主成成分分析 PCA−−−主成成分分析
矩陣的相似對角矩陣,接近矩陣的本質
協方差矩陣可用來表示多元随機變量的機率密度,進而可通過協方差矩陣達到對多元随機變量的研究。
相似對角化
非奇異矩陣,可以轉換為某個空間中的對角陣
特征矩陣的定義
Ap = ap
第一步,求每個特征的平均值,然後對于所有的樣例,都減去對應的均值。
第二步,求特征協方差矩陣
第三步,求協方差的特征值和特征向量
第四步,将特征值按照從大到小的順序排序,選擇其中最大的k個,然後将其對應的k個特征向量分别作為列向量組成特征向量矩陣。
第五步,将樣本點投影到選取的特征向量上。
推薦閱讀資料
https://blog.csdn.net/zhongkelee/article/details/44064401
在圖像裡
一張圖檔就是向量
圖檔的個數(樣本數)就是矩陣的次元