1
Szacowany rozkład wartości własnych dla danych identyfikacyjnych (jednolitych lub normalnych)
Zakładając, że mam zestaw danych o wymiarach (np. ), dzięki czemu każdy wymiar to iid (alternatywnie każdy wymiar ) i niezależny od wzajemnie.dddd=20d=20d=20Xi∼U[0;1]Xi∼U[0;1]X_i \sim U[0;1]Xi∼N[0;1]Xi∼N[0;1]X_i \sim \mathcal N[0;1] Teraz rysuję losowy obiekt z tego zestawu danych i biorę najbliższych sąsiadów i obliczam PCA na tym zestawie. W przeciwieństwie do tego, …