for Sparse Principal Component Analysis

pages

English

Documents

Écrit par
Francis Bach

Publié par
pefav

Lire un extrait

Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus

Découvre YouScribe en t'inscrivant gratuitement

Je m'inscris

Découvre YouScribe en t'inscrivant gratuitement

Je m'inscris

pages

English

Ebook

Lire un extrait

Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus

Publié par

pefav

Nombre de lectures

Langue

English

Optimal solutions for Sparse Principal Component Analysis Alexandre d'Aspremont, Francis Bach & Laurent El Ghaoui, Princeton University, INRIA/ENS Ulm & U.C. Berkeley Preprint available on arXiv 1

g1 g2

pca sparse

also hard

genes

alexandre d'aspremont

get sparse factors

numerically cheap

Voir

Publié par

pefav

Nombre de lectures

Langue

English

Princeton University

Optimal solutions

for Sparse Principal Component Analysis

Alexandre d’Aspremont, Francis Bach & Laurent El Ghaoui,

Princeton University, INRIA/ENS Ulm & U.C. Berkeley

Preprint available on arXiv

Principal Component Analysis

Introduction

•Classic dimensionality reduction tool. •Numerically cheap:O(n2)as it only requires computing a few dominant eigenvectors.

Sparse PCA

•Getsparsefactors capturing a maximum of variance. • problem. combinatorialNumerically hard: •Controlling the sparsity of the solution is also hard in practice.

−5 −5

PCA

Inrtod

−5 0 5 510 f210 15f1

uciton

3 2 1 0 −1 1 0 −1

Sparse PCA

0 1 −2 2 −33g2 g1−4

−1

Clustering of the gene expression data in the PCA versus sparse PCA basis with 500 genes. The factorsfon the left are dense and each use all 500 genes while the sparse factorsg1 g2andg3on the right involve 6, 4 and 4 genes respectively. (Data: Iconix Pharmaceuticals)

Voir