Там нет абсолютно никакой разницы.
Нет абсолютно никакой разницы между стандартным PCA и тем, что C & K предложило и назвало «асимптотическим PCA». Довольно нелепо давать ему отдельное имя.
Вот краткое объяснение PCA. Если центрированные данные с выборками в строках хранятся в матрице данных , то PCA ищет собственные векторы ковариационной матрицы и проецирует данные на эти собственные векторы для получения главных компонент. Эквивалентно, можно рассмотреть матрицу Грама, . Легко видеть, что он имеет точно такие же собственные значения, а его собственные векторы являются масштабированными ПК. (Это удобно, когда количество образцов меньше количества функций.)1Икс11NИкс⊤Икс1NX X⊤
Мне кажется, что C & K предложил вычислить собственные векторы матрицы Грама, чтобы вычислить главные компоненты. Ну вау Это не «эквивалент» PCA; она является PCA.
Чтобы добавить к путанице, название «асимптотический PCA», кажется, относится к его связи с факторным анализом (FA), а не к PCA! Оригинальные документы C & K находятся под платным доступом , поэтому вот цитата из Цай, Анализ финансовых временных рядов, доступной в Google Книгах:
К→ ∞
k → ∞
Итак, суть заключается в следующем: C & K решил использовать термин «асимптотический PCA» для стандартного PCA (который также можно назвать «асимптотическим FA»). Я бы пошел так далеко, чтобы рекомендовать никогда не использовать этот термин.