Andrew Ng機器學習課程14(補)

---

聲明：引用請注明出處http://blog.csdn.net/lg1259156776/

---

---

利用EM對factor analysis進行的推導還是要參看我的上一篇博文《Andrew Ng機器學習課程13》中關于EM的運算推導過程，才能對factor analysis中的相關轉(zhuǎn)換有所理解。

---

一個具體的應用例子：
例如，在企業(yè)形象或品牌形象的研究中，消費者可以通過一個有 24 個指標構成的評價體系，評價百貨商場的 24 個方面的優(yōu)劣。但消費者主要關心的是三個方面，即商店的環(huán)境、商店的服務和商品的價格。因子分析方法可以通過 24 個變量，找出反映商店環(huán)境、商店服務水平和商品價格的三個潛在的因子，對商店進行綜合評價。而這三個公共因子可以表示為：

xi=μi+αi1F1+αi2F2+αi3F3+ei這里的xi就是樣例 x 的第 i 個分量，μi就是μ的第 i 個分量，αij就是Λ的第 i 行第 j 列元素，Fi是 z 的第 i 個分量， ei是e(i)。稱Fi是不可觀測的潛在因子。 24 個變量共享這三個因子，但是每個變量又有自己的個性，不被包含的部分ei，稱為特殊因子。

---

2015-10-8 藝少

轉(zhuǎn)載于:https://www.cnblogs.com/huty/p/8519051.html

總結(jié)

以上是生活随笔為你收集整理的Andrew Ng机器学习课程14(补)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。