降维（三）

压缩特征的重建

我们可以利用下式将压缩特征来重建原特征。

其中x⁽ⁱ⁾_approx ≈ x⁽ⁱ⁾。

选择主成分数量

通常，我们一般在满足下式的情况下选择尽可能小的K值。

其中，上式的分子为投影误差平方和均值（Average Squared Projection Error）；
分母为Total Variation in The Data。

我们也可以用“99% of variance is retained”来描述上式。

我们实现上述方法的算法为：

1. 令K = 1；
2. 利用PCA算法得到U_reduce , z⁽¹⁾, ···, z^(m), x⁽¹⁾_approx ,···, x^(m)_approx ；
3. 检查是否满足下式：

4. 如果第3步不满足，则令K = 2, 3，···，继续运行第1~3步，直至满足第3步的不等式。

但这种算法运行效率不高。因此，我们可以在Octave或MATLAB中使用svd()函数，我们可以得到S矩阵：

我们可以使用该矩阵计算：

即：

在使用这个算法时，我们仍然令K = 1, 2, 3, ···, 直至满足上述不等式。

主成分分析算法应用

在监督学习中，对于数据集{(x⁽¹⁾, y⁽¹⁾), ···, (x^(m), y^(m))}，其中x⁽ⁱ⁾ ∈ R¹⁰⁰⁰⁰⁰。

我们可提取出无标记的数据集作为输入数据：{x⁽¹⁾, ···, x^(m)}，其中x⁽ⁱ⁾ ∈ R¹⁰⁰⁰⁰⁰。利用PCA算法对该数据集进行降维操作得到：{z⁽¹⁾, ···, z^(m)}，其中x⁽ⁱ⁾ ∈ R¹⁰⁰⁰。从而我们得到一个新的数据集{(z⁽¹⁾, y⁽¹⁾), ···, (z^(m), y^(m))}，其中z⁽ⁱ⁾ ∈ R¹⁰⁰⁰。

通过上述方法，我们可以提高监督学习的运行速度。

注：对于x⁽ⁱ⁾ -> z⁽ⁱ⁾映射关系，我们只能在训练集上使用PCA算法，但这种映射关系也能应用于交叉验证集和测试集。

对于PCA算法，其可以压缩数据节省存储空间和提高学习算法的运行速度，以及将高维度的数据集降为低维度，从而将数据集可视化。

但对于PCA算法，我们不推荐将其用于防止过拟合问题。虽然PCA算法对于防止过拟合问题可能运行得不错，但我们仍然推荐使用正则化来防止过拟合问题。因为使用PCA算法可能会丢失一些重要的信息。

PCA算法不应该直接用于机器学习系统设计过程中。我们应该考虑原始特征变量，在出现存储空间占用过多或算法运行过慢等情况时，我们才有必要考虑使用PCA算法。