PCA - 随笔分类(第2页) - 馒头and花卷

Sparse Principal Component Analysis via Rotation and Truncation

摘要：[TOC] SPCArt算法，利用旋转（正交变换更为恰当，因为没有体现出旋转这个过程），交替迭代求解sparse PCA。对以往一些SPCA算法复杂度的总结注：

r

$r$ 是选取的主成分数目，

m

$m$ 为迭代次数,

p

$p$ 为样本维度，

n

$n$ 为样本数目。本文算法，需要先进行SVD，并未在上表中给出。 Nota 阅读全文

posted @ 2019-03-14 08:47 馒头and花卷阅读(464) 评论(0) 推荐(0) 编辑

Generalized Power Method for Sparse Principal Component Analysis

摘要：[TOC] "Journee M, Nesterov Y, Richtarik P, et al. Generalized Power Method for Sparse Principal Component Analysis[J]. Journal of Machine Learning Res 阅读全文

posted @ 2019-03-14 08:46 馒头and花卷阅读(614) 评论(0) 推荐(0) 编辑

Sparse Principal Component Analysis via Regularized Low Rank Matrix Approximation(Adjusted Variance)

摘要：[TOC] 前言这篇文章用的也是交替算法，不得不说，这个东西太好用了，变来变去怎么都能玩出花来。这篇论文的关键之处，我感觉是对adjusted variance的算法，比较让人信服。文章概述

X 是 中 心 化 的 样 本 矩 阵

$X是中心化的样本矩阵$ 考虑下面的一个最优分解（F 范数）。本文采取的也是一种搜索算法，每次计算一个阅读全文

posted @ 2019-03-14 08:45 馒头and花卷阅读(284) 评论(0) 推荐(0) 编辑

Truncated Power Method for Sparse Eigenvalue Problems

摘要：[toc] 抱歉，真的没怎么看懂，当然，估计和我现在没法静下心来好好看也有关系。算法想法非常非常简单吧，就是在原来幂法的基础上，每次迭代的时候再加个截断。当然，论文里给出了，为什么这么做的理由，把我弄得晕晕的，但是思想就是这么朴素。现在的问题是： 1.k怎么选？ 2.初始

x

$x$ 的选择 k的选择阅读全文

posted @ 2019-03-14 08:43 馒头and花卷阅读(326) 评论(0) 推荐(0) 编辑

馒头and花卷

随笔分类 - PCA

公告

搜索

随笔分类

Python相关

概率论-论文

收藏

优化问题-论文