Question

底线问题：当我使用计算出的PCA投影矩阵 P 投影向量 v 进入另一个空间（可能在维度方面较低），我应该首先从 v 中减去的平均值用于创建协方差矩阵的向量，其主要特征向量构成投影矩阵 P ？

另一个衍生问题：如果上面问题的答案是＆＃34;正确＆＃34;，那么当我投射＆＃34;减少＆＃34;矢量回到原始空间，我应该最终添加到它同样的意思吗？

现在详细的问题，包括可能引起混淆的步骤：

PCA流程按以下方式进行：

使用长度为 d 的 m 向量并计算其协方差矩阵。由于 （i，j） 位置中的元素是 i ＆＃39;的协方差维度和所有 m 向量的 j ＆＃39维度，我们可以得到目标< em> （dxd） 大小的协方差矩阵，通过减去所有向量的均值，创建一个大小为 A 的矩阵> （dxm） ，其中所有平均减去的向量都作为列向量放置并计算乘法： C = AA＆＃39;
计算 C 的 d 特征值和特征向量，以及某些预选< em> k ，创建一个大小为 （kxd）的矩阵 P ，并按 P 的行向量放置与最大特征值对应的 k 特征向量的降序
对于原始维度 d 的任何向量 v ，我们要投影到可能减小的维度 k ，我们计算乘法： u = Pv ，它可能会产生一个向量缩小尺寸 k 。
对于已经投影到可能缩减的维度 k 的任何向量 u ，如果我们想要将它（在可能的数据丢失之后）投影到原始维度 d ，我们计算乘法： v = P＆＃39;你 ，它在原始维度 d 中生成一个向量。

问题是：是否：

Answer 1

在步骤（3）中，我们应该首先从v中减去我们在步骤（1）中计算的平均值？

在步骤（4）中，我们应该最后加上v我们在步骤（1）中计算的平均值？

是的，是的。

另请注意，如有必要，您可以在样本的一次通过中计算协方差矩阵，并使用：

COV = E[vv'] - E[v]E[v]'

Answer 2

在一些教程中找到答案。在这里分享，这样任何人都可以享受......

根据this非常友好和友好的PCA教程，确实应该在（3）中减去平均值，并在（4）中添加。在着名的经典eigenfaces论文中，它似乎也以同样的方式描述。

以下是PCA教程的一些截图，有意义：

投射新空间：

投射回原始空间：