哪些主成分对分布变化最敏感？
统计理论
2019-05-16 v1 机器学习
其他统计学
统计理论
摘要
PCA常用于异常检测和统计过程控制任务。对于二元数据，我们证明PCA旋转后的次要投影（变化最小的投影）对分布变化最敏感，其中敏感性由变化前后分布的Hellinger距离定义。特别地，如果二元正态分布仅有一个参数发生变化（即变化是稀疏的），则几乎总是如此。模拟表明，在更高维度中，对于大范围的变化和变化前设定，次要投影也是最敏感的。这促使我们使用次要投影来检测高维数据中的稀疏分布变化。
引用
@article{arxiv.1905.06318,
title = {Which principal components are most sensitive to distributional changes?},
author = {Martin Tveten},
journal= {arXiv preprint arXiv:1905.06318},
year = {2019}
}
备注
11 pages, 1 figure