主成分分析(PCA)及动态主成分分析(Dynamic PCA)模型原理分析

简介: 主成分分析(PCA)及动态主成分分析(Dynamic PCA)模型原理分析

纯理论推导,建议慢食!!!

image.png

建议推一遍公式,挺好的。

主成分分析(PCA Model, PM)

PCA是一种统计方法,广泛应用于工程和科学应用中,与傅里叶分析相比,尤其适用于质量监测。

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

其中,

image.png

image.png

残差向量:

image.png

image.png

image.png

image.png

image.png

动态主成分分析(Dynamic PCA Models, DPM)

同样的PCA分解可以扩展到表示时间相关的动态过程数据,通过传递函数矩阵提取与测量向量相关的潜在变量。在潜变量建模中,测量变量不分为输入变量和输出变量。

相反,所有变量都与许多潜在变量相关,以表示它们的相关性。

image.png

扩展变量向量可以定义为

image.png

PCA潜在变量得分可根据(5)计算,如下所示:

image.png

image.png

image.png

由(10) 可以用传递矩阵的形式表示,

image.png

image.png

image.png


相关文章
|
7月前
|
数据采集 机器学习/深度学习 搜索推荐
大模型开发: 描述主成分分析(PCA)以及它在降维中的应用。
PCA是广泛应用的降维技术,通过线性变换找到最大化方差的主成分,降低数据维度,简化计算并揭示数据结构。步骤包括数据预处理、计算协方差矩阵、特征值分解、选择主成分和数据转换。适用于图像识别、推荐系统等领域,但无监督性质可能导致类别信息丢失,且假设数据服从高斯分布。
109 1
|
4月前
|
机器学习/深度学习 算法 数据中心
【机器学习】面试问答:PCA算法介绍?PCA算法过程?PCA为什么要中心化处理?PCA为什么要做正交变化?PCA与线性判别分析LDA降维的区别?
本文介绍了主成分分析(PCA)算法,包括PCA的基本概念、算法过程、中心化处理的必要性、正交变换的目的,以及PCA与线性判别分析(LDA)在降维上的区别。
95 4
|
数据采集 机器学习/深度学习 数据可视化
R实战| PCA、tSNE、UMAP三种降维方法在R中的实现
R实战| PCA、tSNE、UMAP三种降维方法在R中的实现
313 0
|
7月前
|
数据可视化 API 算法框架/工具
Python用稀疏、高斯随机投影和主成分分析PCA对MNIST手写数字数据进行降维可视化
Python用稀疏、高斯随机投影和主成分分析PCA对MNIST手写数字数据进行降维可视化
|
机器学习/深度学习 数据采集 算法
PCA算法介绍及源码实现
PCA算法介绍及源码实现
310 0
|
算法 C++
降维算法:主成分分析 VS 自动编码器(三)
降维算法:主成分分析 VS 自动编码器(三)
175 1
降维算法:主成分分析 VS 自动编码器(三)
|
机器学习/深度学习 算法 Python
机器学习算法之---PCA(主成分分析)
PCA(Principal Component Analysis)是一种常用的数据降维方法,可以将高维的数据降维到低维,以提取关键信息和减少噪音。它通过找到数据集中最重要的方向,并将数据在这个方向上投影,从而实现降维。
209 0
机器学习算法之---PCA(主成分分析)
|
算法 数据挖掘 Python
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩(二)
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩(二)
295 0
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩(二)
|
机器学习/深度学习 存储 算法
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩(一)
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩(一)
373 0
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩(一)
|
算法 C++
降维算法:主成分分析 VS 自动编码器(二)
降维算法:主成分分析 VS 自动编码器(二)
133 0
降维算法:主成分分析 VS 自动编码器(二)