toraspencer / statisticsstudy

概率论和统计学

概率论& 统计学& 数值模拟

暂时不知道如何分类

主成分分析(PCA: principle component analysis)

• 一个正交化线性变换，把数据变换到一个新的坐标系统中，使得这一数据的任何投影的第一大方差在第一个坐标（称为第一主成分）上，第二大方差在第二个坐标（第二主成分）上，依次类推。
• 目的——数据降维
• **——将n维特征映射到k维上（k<n），这k维是全新的正交特征。
  • 这k维特征称为主成分。
  • 是重新构造出来的k维特征，而不是简单地从n维特征中去除其余n-k维特征。

最小二乘法(least square method)

随机变量的数字特征

期望（一阶原点矩） $$ \bar{f(X)} = E[f(x)] = \int{dxf(x)P_x(x)} $$ 方差（二阶中心矩） $$ \sigma^2 = E[(X-\bar{X})^2] = \bar(X^2)-\bar(x)^2 $$