我已经看到并喜欢了“ 使主成分分析有意义”这个问题,现在对于独立成分分析也有相同的问题。我的意思是我想对理解ICA的直观方式提出一个全面的问题?
我想了解。我想达到目的。我想得到它的感觉。我坚信:
除非您可以向祖母解释,否则您并不会真正理解。
- 艾尔伯特爱因斯坦
好吧,我无法向外行或奶奶解释这个概念
- 为什么选择ICA?这个概念有什么需要?
- 您将如何向外行解释?
我已经看到并喜欢了“ 使主成分分析有意义”这个问题,现在对于独立成分分析也有相同的问题。我的意思是我想对理解ICA的直观方式提出一个全面的问题?
我想了解。我想达到目的。我想得到它的感觉。我坚信:
除非您可以向祖母解释,否则您并不会真正理解。
- 艾尔伯特爱因斯坦
好吧,我无法向外行或奶奶解释这个概念
Answers:
这是我的尝试。
考虑以下两种情况。
问题在于,在两种情况下,给定两个图像包含相同的两个“来源”,但每个图像的相对贡献略有不同,如何恢复对话(在1.中)或狗的图像(在2中)。 。我受过良好教育的孙子肯定可以理解这一点!
至少在原理上,我们如何才能从混合物中找回狗的形象?每个像素包含两个值之和的值!好吧,如果每个像素都没有其他像素,我们的直觉将是正确的-我们将无法猜测每个像素的确切相对贡献。
但是,我们得到了一组像素(或者在记录情况下为时间点),我们知道它们具有相同的关系。例如,如果在第一个图像上,狗总是比反射强两倍,而在第二个图像上,狗正好相反,那么我们也许就能获得正确的贡献。然后,我们可以提出一种正确的方法来减去当前的两个图像,从而完全消除反射![数学上,这意味着找到逆混合矩阵。]
假设您有两个信号的混合,
并假设您要根据两个混合物Y 1,Y 2获得。并且还假设您需要线性组合:S 1 = b 11 Y 1 + b 12 Y 2。因此,您要做的就是找到最佳向量(b
但是如何找到一般信号呢?它们可能看起来相似,统计数据相似等等。因此,让我们假设它们是独立的。如果您有一个干扰信号(例如噪声),或者两个信号都是图像,那是合理的,该干扰信号可能是其他物体的反射(并且您从不同角度拍摄了两个图像)。
现在,我们知道
因此,首先考虑一下:如果我们总结几个独立的非高斯信号,我们得出的总和要比分量高。为什么?由于中心极限定理,您还可以考虑两个indep之和的密度。变量,即密度的卷积。如果我们总结几个独立的。伯努利变量,经验分布将越来越像高斯形状。会是真正的高斯吗?可能不是(没有双关语),但是我们可以通过信号的高斯分布类似于高斯分布的量来度量它。例如,我们可以测量其过量峰度。如果确实很高,则它可能比具有相同方差但峰度接近零的峰高的高斯小。
当然,这增加了另一个假设-首先,两个信号必须是非高斯信号。
很简单的。想象一下,您,您的祖母和家人聚集在桌子周围。较大的人群倾向于在该聊天组特定的聊天主题处分手。您的祖母坐在那里,听到所有人说话的声音,听起来好像是在吵闹。如果她转到一个小组,则可以清楚地将青少年/青年组中的讨论隔离开;如果她转到另一个小组,则可以将成年人聊天隔离。
总而言之,ICA是关于从混合信号(人群交谈)中分离或提取特定信号(一个人或一群人交谈)。