伊恩·约翰斯通。;卢、余亚瑟 高维主成分分析的一致性和稀疏性。 （英语） Zbl 1388.62174号 美国统计协会。 104，编号486，682-693（2009）. 摘要：主成分分析（PCA）是一种经典的数据降维方法，它以变量向量的观测值（或案例）的形式表示。当代数据集通常具有与（n）相当甚至更大的（p）。在这种情况下，我们的主要主张是：（a）在对主模式进行任何PCA类型搜索之前，需要对维数进行一些初始降低；（b）在信号具有稀疏表示的基础上工作，可以最好地实现维数的初始降低。我们描述了一个简单的渐近模型，其中通过标准PCA对主成分向量的估计是一致的当且仅当（p（n）/n到0）。我们提供了一个简单的算法来选择具有最大样本方差的坐标子集，并证明了如果对所选子集进行PCA，那么即使是（p（n）\gg n），也可以恢复一致性。 引用于4评论引用于199文件 理学硕士： 62H25个 因子分析和主成分；对应分析 关键词：特征向量;尺寸缩减;正规化;阈值化 PDF格式BibTeX公司 XML格式引用 \textit{I.M.Johnstone}和\textit{A.Y.Lu}，J.Am.Stat.Assoc.104，No.486，682--693（2009；Zbl 1388.62174） 全文： 内政部 链接