の場合の分散最大化
手始めに次元空間()への射影を考えます。
この空間の方向をD次元ベクトルとします。
イメージは下図です。
の方向だけ興味があるので、は単位ベクトルとします。
をデータ集合の平均とします。
をデータ集合の共分散行列とします。
はスカラー値の上に射影されます。
射影されたデータの平均はです。
射影されたデータの分散は
です。
制約条件の下で、射影された分散を最大化します。
ラグランジュの未定乗数法を用いると、ラグランジュ関数は以下のようになります。
をで微分して、とおきます。
一般的なの場合の分散最大化
上記での時の主成分を求めました。
実は、一般的なの時も成り立ちます。
主部分空間の次元がのときは固有値が大きい方から個選び、それに対応する固有ベクトルが主部分空間の基底となります。
これの導出については、PRML演習問題 12.1(標準) www を参照してください。
偉人の名言
100回叩くと壊れる壁があったとする。
でもみんな何回叩けば壊れるかわからないから、
99回まで来ていても途中であきらめてしまう。
松岡修造
動画
なし