💬 ชาวเน็ตแห่แชร์: zhubo/article/details/

http://rootofsky.diandian.com/

先上定义，百度，wiki都说的很好，我就直接给链接了：

百度百科：主成分分析

下面主要讲讲它的原理和实现过程。

如果用一句话说：PCA就是属性向量的正交化（得到相互正交的新属性），并取出方差最大（对应到实际意义就是区分度最高）的几个新属性。

从几何上说，PCA就是坐标变换。

从线性代数角度说就是修正的schmit正交化。

这里有一篇扫盲贴写的很好，主要是非常形象易懂：

我主要是想把它的两种实现方式讲一下，会和上下链接中的有重复（因为我是看完他们写的。。。）。

1.协方差阵（特征值+特征向量）法

这一块上面的链接中讲的很详细，而且富有启发性。我把pipeline写下来：

（１）．写出原始矩阵A（A的行向量表示相应样本的所有属性）；

（２）．对Ａ的列作标准化（如ｚ－ｓｃｏｒｅ标准化）；

（３）．算出协方差阵ＣＯＶ＝Ａ＇Ａ（其中Ａ＇是Ａ的转置）；

（４）．解｜ＣＯＶ－ｌａｍｂｄａ＊Ｉ｜＝０求出ＣＯＶ所有特征值和对应的特征向量（实际操作中使用迭代法：http://blog.163.com/shikang999@126/blog/static/17262489620113523952981/，　http://www.cnblogs.com/zhangchaoyang/articles/2643810.html

（５）．按从大到小排列特征值，将特征向量相应排序组成方阵Ｐ，现在，Ａ×Ｐ就是顺序排列的主成分了。

２．奇异值分解（ＳＶＤ，奇异值奇异向量）法

先从理论上推一下它和方法一的等价性：

若Ａ的奇异值分解式为：Ａ＝ＵＤＶ，则：

ＣＯＶ＝Ａ＇Ａ＝Ｖ＇Ｄ＇Ｕ＇ＵＤＶ＝Ｖ＇Ｄ＇ＤＶ

在这里，Ｄ的对角线值为奇异值（但根据ＣＯＶ阵的特殊性——主对角占优，它们就是特征值），Ｖ的列向量是奇异向量（相应的，这种情况下它们也是特征向量）。所以Ａ×Ｖ就是主成分。

再来说说它的好处：首先想想（Ｕ×Ａ）‘是什么，很容易想见它就是ＡＡ＇对应的主成分，也就是说ＳＶＤ可以对样本进行主成分分析（更好的说法是聚类）。

最后是它的实现：

主要就是对Ａ作ＱＲ分解，算出奇异值和向量。其他与第一种方法类似。这里有一个算法http://www.cnblogs.com/zhangchaoyang/articles/2575948.html

supplemental:

Q:为什么主成分方差是协方差矩阵特征值?

A:举例说明

        a1   a2   a3   a4

s1 v11 v12 v13 v14

s2 v21 v22 v23 v24

s3 v31 v32 v33 v34

s4 v41 v42 v43 v44

在这里，a表示attribute，s表示sample，v表示value。我们要求出第一主成分就是找出一组线性组合使得：

b1=x1a1+x2a2+x3a3+x4a4=(a1,a2,a3,a4)*(x1,x2,x3,x4)'

的方差最大。其中x=(x1,x2,x3,x4)'是单位向量,x'表示x的转置,a1,a2,a3,a4表示相应的列向量。由于a1,a2,a3,a4都被标准化为均值为0的向量，所以b1的方差为：

Var(b1)=x'A'Ax

在这里A=(a1,a2,a3,a4)，容易看出Cov=A'A就是各attribute的协方差阵。如果记b1=lambda, 上式两端同左乘 x ，则：

lambdax=Covx

根据定义，lambda是Cov的特征值，x是单位特征向量。第一主成分要求lambda最大，故可知求第一主成分就是求协方差阵最大特征值和特征向量。又根据Cov的半正定对称性，其所有特征值均非负，且不同特征值对应的特征向量正交。

这样解出b1,b2,...,bm后再根据需要选取前K个便完成了主成分提取。

主成分分析（PCA）扫盲帖