APP下载

中心K阶中心矩子空间的迭代海塞变换估计

2016-05-25甘胜进游文杰

湖南师范大学自然科学学报 2016年2期

甘胜进,游文杰

(福建师范大学福清分校电子与信息工程学院,中国 福清 350300)



中心K阶中心矩子空间的迭代海塞变换估计

甘胜进*,游文杰

(福建师范大学福清分校电子与信息工程学院,中国 福清350300)

摘要提出中心K阶条件矩降维子空间,指出与中心K阶中心矩子空间的关系,并给出迭代的海塞变换估计,该方法仅仅需要线性条件,综合了最小二乘和海塞主方向方法.

关键词降维;CKCMS;OLS;PHD;迭代海塞变换

在高维空间中进行统计建模,往往会碰到“维数灾难”(curse of dimensionality)问题,因此降维作为建模之前的数据预处理阶段,显得十分重要.常见的降维方法有主成分回归分析、偏最小二乘回归和投影寻踪等,主成分回归仅仅考虑了自变量之间的相关信息,忽略了与因变量之间的关系,而偏最小二乘虽然同时考虑自变量与因变量之间相关关系,但是仅仅局限于线性关系,没有考虑非线性关系,另外投影寻踪需要估计连接函数,超出数据预处理的范围.

对于一维响应变量Y和p维解释变量X=(X1,X2,…,Xp),考虑它们之间的回归问题本质上是讨论在X给定条件下,Y的条件分布FY|X如何随X变化.Li(1991)[1]提出切片逆回归(sliced inverse regression,简称SIR),即如果存在p×k(k

Y‖X|X⟺Y‖X|ηTX,

(1)

则FY|X(y|x)=FY|ηTX(y|ηTx),Y对X条件分布是k维的,如果k远小于p,就达到了降维的目的,特别地,当k=1或2时,便可从可视化角度来分析Y与X之间的回归关系,由于Y‖X|ηTX⟺Y‖X|(ηB)TX,其中B为k阶可逆方阵,η与ηB所形成的子空间一样,所以关心的是span{η},而不是η本身,并称span{η}为降维子空间.如果满足(1)的所有η的交集仍然满足(1),则称之为中心降……

登录APP查看全文