课上讲了常见的数据降维的方法PCA,感觉比较有用,再结合一下网上看到的比较新的方法,总结在这里吧。
常见的词汇
最近都只看英文,所以相关的很多词汇中文不太熟悉,以后面试内地的话不太好聊,先把中文翻译放在这里
rank of matrix:矩阵的秩
determinant:行列式
conjugate transpose:转置
orthonormal matrix:正交矩阵
similarity matrix:相似矩阵
diagonal matrix:对角矩阵
diagonal element:对角元素
Singular Value Decomposition (SVD):奇异值分解 :)
Eigen-Decomposition:特征分解
eigenvector:特征向量
eigenpair:特征值
Priciple Component Analysis (PCA) :主成分分析
SVD (Singular Value Decomposition)
奇异值分解是一种提取特征值的很好的方法。公式如下:
A可以通过这样的方式分解,而当:rank(A)= r时,有如下:
U:左奇异向量
Σ:奇异值
V:右奇异向量
这个总是成立的如果U,V是正交矩阵并且Σ为对角矩阵并且所有元素降序非负