与TSVD的对比
- 关于SVD的进一步了解可参考Math——奇异值分解-SVD
- PCA与TSVD目标不同
- TSVD奇异值与PCA分解得到的对角矩阵元素意义不同
- PCA得到矩阵对角元素的是该维度的方差
- TSVD得到的是某种重要的隐形意义(注意,不是方差)
- PCA等价于下面两个步骤:
- 对数据X中心化
- 对数据做TSVD分解
与ICA的对比
- ICA得到的变量满足独立性
- PCA得到的变量满足不相关性
- 独立与不相关的关系
- 变量独立\(=>\)变量不相关
- 变量不相关\(\neq>\)变量独立
- 当变量是正态分布时:变量独立\(<=>\)变量不相关