主成分分析などPCA

参照

PCAの数学的原則

Matlabのの[RPM]分散、平均、標準偏差、共分散関数を求めます

主成分分析（PCA）の詳細な原​​理

PCAアルゴリズム

意義がgoを表す各ベクトルの左に右の列ベクトル行列変換行列に、各列の2個の行列乗算は、空間群をトレッキングです。線形変換行列が1つを表すことがより抽象。

我々は議論の上に異なるグループの選択は、データの同じセットの異なる表現を与えることができ、グループの数は、ベクター自体の寸法よりも小さい場合、次元削減の効果を得ることができます。

一連のN 次元ベクトルが減少Kの大きさ（Kのより大きい0 未満Nを）、目標は、選択することであるKの単位（モジュロ1を元のデータを各フィールド二十から二、グループのセットに変換されるように、直交基底後）間の共分散0 、およびフィールドの分散ができるだけ大きく（垂直制約で、最大撮影されたKの数分散を）。

  固有値および方向：延伸の方向を表す特徴ベクトル、延伸の程度を表す特徴値。