Нейрокомпьютинг и его применения в экономике и бизнесе

         

Понижение размерности входов методом главных компонент


Собственные числа матрицы ковариаций

, фигурировавшие в предыдущем разделе, являются квадратами дисперсий вдоль ее главных осей. Если между входами существует линейная зависимость, некоторые из этих собственных чисел стремятся к нулю. Таким образом, наличие малых
свидетельствует о том, что реальная размерность входных данных объективно ниже, чем число входов. Можно задаться некоторым пороговым значением
и ограничиться лишь теми главными компонентами, которые имеют
. Тем самым, достигается понижение размерности входов, при минимальных потерях точности представления входной информации.


Рис. 7.5.  Понижение размерности входов методом главных компонент



Содержание раздела