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
