1.8k字2 分钟

# 回归分析基础概念 术语 因变量（Response/Output/Dependent variable）： 通常用 YYY 表示，是我们希望预测或解释的变量。 自变量（Predictor/Input/Independent or Explanatory variable）： 通常用 XXX 表示，是用于预测或解释因变量的变量。 简单回归（Simple Regression）： 只有一个自变量 Y∼XY \sim XY∼X。 多元回归（Multiple Regression）： 有多个自变量 Y∼X1,...,Xp−1Y \sim X_1, ...,
4.9k字4 分钟

# 简介 聚类分析是一种无监督学习技术，旨在根据相似性将数据点分组到不同的簇中。本笔记系统梳理了聚类分析中的关键概念、方法及其优缺点。 # 距离度量 在聚类分析中，距离度量是定义数据点或簇之间“相似性”或“不相似性”的核心。 # 点与点之间的距离 欧氏距离 (Euclidean Distance)：最常见的距离度量，基于点在多维空间中的直线距离。 相关系数 (Correlation Coefficient)：衡量两个变量之间的线性相关性，常用于高维数据。 Jaccard 距离 (Jaccard Distance)：主要用于度量两个集合之间的不相似性。 汉明距离 (Hamming Distan
4k字4 分钟

# 基本概念与分类方法 # 基于似然的分类器 这类方法基于似然比进行决策，其核心是假设总体的概率分布已知。 # 基于错误分类的预期成本 (ECM) 该方法的目标是最小化总的错误分类预期成本。 定义: ECM=c(2∣1)P(X∈R2,X∈π1)+c(1∣2)P(X∈R1,X∈π2)=c(2∣1)P(2∣1)p1+c(1∣2)P(1∣2)p2ECM = c(2|1)P(X \in R_2, X \in \pi_1) + c(1|2)P(X \in R_1, X \in \pi_2) = c(2|1)P(2|1)p_1 + c(1|2)P(1|2)p_2E
5k字5 分钟

# 概述 典型相关分析 (CCA) 是一种多元统计方法，用于研究两组多维变量之间的线性关系。其核心思想是，在每组变量中找到一对线性组合，使得它们之间的相关性最大化，这对线性组合被称为典型相关变量对 (canonical variate pair)。通过寻找多对这样的变量，可以系统地揭示两组变量间的内在关联结构。 CCA 通常分为总体 CCA (Population Canonical Correlation) 和样本 CCA (Sample Canonical Correlation) 两种类型。 # 总体 CCA (Population Canonical Correlation) # 模
6.9k字6 分钟

# 正交因子模型 (Orthogonal Factor Model) 因子分析是一种降维技术，旨在通过识别一组潜在的、不可观测的“因子”来解释观测变量之间的协方差关系。正交因子模型是最基本的因子分析模型之一。 # 模型定义与假设 模型公式：将 ppp 个观测变量 XXX 表示为 mmm 个公因子 FFF 和 ppp 个特殊因子 ε\varepsilonε 的线性组合。 X(p×1)−μ(p×1)=L(p×m)F(m×1)+ε(p×1)X_{(p\times 1)}-\mu_{(p\times 1)}=L_{(p\times m)}F_{(m\times 1)}+\var
2.2k字2 分钟

# 概述 主成分分析（PCA）是一种统计方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的新变量，这些新变量被称为主成分。其核心思想是，在尽可能多地保留原始信息（即方差）的同时，将高维数据投影到低维空间中。 # 定义 给定一个 ppp 维随机向量 XXX，Yi=eiTXY_i=e_i^TXYi​=eiT​X 定义了第 iii 个主成分。其中，eie_iei​ 是协方差矩阵 Σ\SigmaΣ 的第 iii 个特征向量，对应特征值 λi\lambda_iλi​，且特征值按从大到小的顺序排列：λ1≥λ2≥⋯≥λp\lambda_1 \geq \lambd
3.6k字3 分钟

# 双总体均值推断 # 双总体成对样本的均值检验 当样本数据成对出现时（例如，对同一组个体在不同处理前后的测量），可以转换为单样本问题来处理。 差值向量定义：令 Dj=X1j−X2jD_j = X_{1j} - X_{2j}Dj​=X1j​−X2j​，其中 X1jX_{1j}X1j​ 和 X2jX_{2j}X2j​ 为第 jjj 个成对样本的观测值。 检验统计量：T2=(Dˉ−δ0)T(Sdn)−1(Dˉ−δ0)T^2 = (\bar D - \delta_0)^T \left(\frac{S_d}{n}\right)^{-1} (\bar
3.3k字3 分钟

# 预备知识 # Wishart 分布 如果 Zi∼iidNp(0,Σ)Z_i \sim^{iid} N_p(0, \Sigma)Zi​∼iidNp​(0,Σ)，那么 ∑i=1mZiZiT∼Wp(m,Σ)\sum_{i=1}^m Z_i Z_i^T \sim W_p(m, \Sigma)∑i=1m​Zi​ZiT​∼Wp​(m,Σ)。这可以看作是多元正态分布中卡方分布的推广。 Wishart 分布有两个重要性质： 可加性：如果 A1∼Wp(m1,Σ)A_1 \sim W_p(m_1, \Sigma)A1​∼Wp​(m1​,Σ) 和 A2∼Wp(m2,Σ)A_2 \
2.4k字2 分钟

# 定义与性质 多元正态分布是单变量正态分布向多维空间的推广。一个 ppp 维随机向量 XXX 服从均值为 μ\muμ、协方差矩阵为 Σ\SigmaΣ 的多元正态分布，记作 X∼Np(μ,Σ)X \sim N_p(\mu, \Sigma)X∼Np​(μ,Σ)，其概率密度函数为： f(x)=1(2π)p/2∣Σ∣1/2e−12(x−μ)TΣ−1(x−μ)f(x)=\frac{1}{(2\pi)^{p/2}|\Sigma|^{1/2}}e^{-\frac{1}{2}(x-\mu)^T\Sigma^{-1}(x-\mu)} f(x)
3.2k字3 分钟

# 核心概念与运算 向量基本运算： 向量的内积、夹角、模长、以及向量 xxx 在向量 yyy 上的投影 xTyyTyy\frac{x^Ty}{y^Ty}yyTyxTy​y。 统计量的矩阵描述与性质： 样本均值 (Xˉ\bar XXˉ)：Xˉ=1nXT1n\bar X=\frac{1}{n}X^T1_nXˉ=n1​XT1n​ 样本方差 (SSS)：(n−1)S=(X−Xˉ)(X−Xˉ)T=XT(I−1n1n1nT)X(n-1)S=(X-\bar X)(X-\bar X)^T = X^T(I-\frac{1}{n}1_n1_