应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台 » 专业学科区 » 信息科学 » 人工智能 » 关于PCA的问题
31/1返回列表
查看: 911  |  回复: 2
只看楼主 @他人 存档 新回复提醒 (忽略) 收藏    在APP中查看

qdairman

新虫 (初入文坛)

[求助] 关于PCA的问题 已有1人参与

最近又在看PCA，发现问题
X为N*M，N个样本，M维数据
sigma=X'*X;
PCA可以用SVD分解
1.在matlab中
[U,S,V]=svd(X);
因为X=UDV';X'*X=VDU'UDV';求出V的前几个最大特征值对应的特征向量等于求sigma的特征向量，再进行投影
2.对sigma求特征值，特征向量
[a,b]=eig(sigma);
3.但是为什么会有这个？
[U,S,V]=svd(sigma);
求出U的前几个最大特征值对应的特征向量，再投影，没有看懂。。。
回复此楼

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:
1楼 2014-11-24 19:52:31
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

yuanmd

至尊木虫 (知名作家)

衔头义定自

【答案】应助回帖

感谢参与，应助指数 +1
如果你只是为了求V，其实结果是一样的！
做PCA，首先X要零均值化；第3个求出来的U和V是一样的，因为sigma是对称的，所以第3个求出的U和S和第1个求出的U和S是不一样的。另外如果sigma有点不对称的话，第2个算出来的结果是复数，所以经常在eig之前要加一个sigma=(sigma+sigma')/2; 第一种求法在高维小样本的时候，挺快的而且稳定。当然还有其它更快的方法，尤其是在高维小样本的时候，即先算小矩阵（样本的归一化核矩阵），然后再投影到高维。
赞一下 回复此楼
梦想总是要有的，万一实现了呢？
2楼2014-11-24 23:43:28
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

qdairman

新虫 (初入文坛)
引用回帖:
2楼: Originally posted by yuanmd at 2014-11-24 23:43:28
如果你只是为了求V，其实结果是一样的！
做PCA，首先X要零均值化；第3个求出来的U和V是一样的，因为sigma是对称的，所以第3个求出的U和S和第1个求出的U和S是不一样的。另外如果sigma有点不对称的话，第2个算出来的 ...

好的，谢谢
回复此楼
3楼2014-11-25 09:44:56
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 qdairman 的主题更新
31/1返回列表
普通表情 龙 兔 虎 猫
信息提示
关闭
请填处理意见
关闭