主成分分析
From Ufldl
m |
m |
||
| Line 1: | Line 1: | ||
| - | 初译：@交大基层代表 @Emma_lzhang | + | 初译：@交大基层代表 @Emma_lzhang （新浪微博ID） |
一审：@Dr金峰 | 一审：@Dr金峰 | ||
| Line 5: | Line 5: | ||
二审：@破破的桥 | 二审：@破破的桥 | ||
| - | 录入：@Emma_lzhang | + | 录入：@Emma_lzhang 邮箱：emma.lzhang@gmail.com |
| Line 58: | Line 58: | ||
【二审】：在我们的实例中，使用的输入数据集表示为<math>\textstyle \{x^{(1)}, x^{(2)}, \ldots, x^{(m)}\}</math>，维度<math>\textstyle n=2</math>，即<math>\textstyle x^{(i)} \in \Re^2</math>。假设我们想把数据从2维降到1维。（在实际应用中，我们往往需要把数据从256维降到50维；但在我们的示例中使用低维数据，可更直观的展现算法），下图是我们的数据集： | 【二审】：在我们的实例中，使用的输入数据集表示为<math>\textstyle \{x^{(1)}, x^{(2)}, \ldots, x^{(m)}\}</math>，维度<math>\textstyle n=2</math>，即<math>\textstyle x^{(i)} \in \Re^2</math>。假设我们想把数据从2维降到1维。（在实际应用中，我们往往需要把数据从256维降到50维；但在我们的示例中使用低维数据，可更直观的展现算法），下图是我们的数据集： | ||
| - | |||
[[File:PCA-rawdata.png|600px]] | [[File:PCA-rawdata.png|600px]] | ||
| + | 【原文】： | ||
This data has already been pre-processed so that each of the features <math>\textstyle x_1</math> and <math>\textstyle x_2</math> | This data has already been pre-processed so that each of the features <math>\textstyle x_1</math> and <math>\textstyle x_2</math> | ||
have about the same mean (zero) and variance. | have about the same mean (zero) and variance. | ||
| Line 69: | Line 69: | ||
algorithm, and are for illustration only. | algorithm, and are for illustration only. | ||
| - | + | 【初译】：数据已经进行了预处理，所以特征值<math>\textstyle x_1</math>和<math>\textstyle x_2</math>有相近的平均值（零）和方差。 | |
| + | 为了更直观的区分，根据<math>\textstyle x_1</math>值的大小我们把它们分成了三种颜色。颜色的区分对于算法没有任何影响，仅仅是为了直观表示。 | ||
| + | |||
| + | 【一审】：数据已经进行了预处理，所以特征值<math>\textstyle x_1</math>和<math>\textstyle x_2</math>有相近的平均值（零）和方差。 | ||
| + | 为了更直观的区分，根据<math>\textstyle x_1</math>值的大小我们把它们分成了三种颜色。颜色的区分对于算法没有任何影响，仅仅是为了直观表示。 | ||
| + | |||
| + | |||
| + | 【二审】：这些数据已经进行了预处理，所以每个特征值<math>\textstyle x_1</math>和<math>\textstyle x_2</math>有相同的平均值（零）和方差。 | ||
| + | 为方便展示，根据<math>\textstyle x_1</math>值的大小，我们将每个点分别涂上了三种颜色的一种。该颜色并不用于算法而仅用于图解。 | ||
| + | |||
| + | |||
| + | |||
| + | 【原文】：PCA will find a lower-dimensional subspace onto which to project our data. | ||
From visually examining the data, it appears that <math>\textstyle u_1</math> is the principal direction of | From visually examining the data, it appears that <math>\textstyle u_1</math> is the principal direction of | ||
variation of the data, and <math>\textstyle u_2</math> the secondary direction of variation: | variation of the data, and <math>\textstyle u_2</math> the secondary direction of variation: | ||
