我知道PCA和ICA都用于降维，并且在PCA中主成分是正交的(不一定独立)，但在ICA中它们是独立的。有人能澄清一下什么时候使用 ICA 而不是 PCA 更好吗？
最佳答案
ICA 不是一种降维技术。 ICA 用于分离卷积信号，其尺寸可能比输入空间更小，但这只是副产品，而不是目标本身。因此ICA和PCA有不同的应用领域。 PCA 通常用于可视化高维数据(通过选择 2 个主成分)或简单地将维度降低到给定方法可以处理的维度。另一方面，当您拥有高度卷积的信号并且您想要将它们分开时，就会使用 ICA，例如两个人在同一个房间讲话并用 2 个麦克风录制的情况。 ICA 将能够分离每个扬声器，而 PCA 将失败。同样，ICA 将寻找非高斯、卷积信号，因此，如果您的数据至少在某种程度上是高斯的，那么它将破坏这种结构(因为基本假设是这不是真的)。
关于pca - 什么时候使用 ICA 而不是 PCA？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37445632/