知识卡片
异常点能扭转PCA方向
离均值较远的点对方差贡献随距离平方增长。书中加一个偏远点后第一主成分明显改变,导致普通样本的差异被压缩。可比较含异常点与去除可疑观测后的主方向,并保留去除理由。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 线性降维 协方差解释与稳健性 · 查看原书依据
异常点的投影损失。因此,会造成PCA的解朝着靠近异常点的方向偏离,从而导致正常样本被投影到对区分样本不利的低维空间中。
参考来源
- 位置:《机器学习基础》第9章,9.4 概率统计视角的PCA(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter60.xhtml)
- 结论依据:原文借「PCA的解朝着靠近异常点的方向偏离」处的论述给出本卡所解释的关系或做法。
- 原始内容:异常点的投影损失。因此,会造成PCA的解朝着靠近异常点的方向偏离,从而导致正常样本被投影到对区分样本不利的低维空间中。