Ich weiß, dass PCA und ICA beide für Dimensionalitätsreduktion verwendet werden und in PCA Hauptkomponenten sind orthogonal (nicht unbedingt unabhängig), aber in ICA sind sie unabhängig. Kann jemand bitte klären, wenn es besser ist, ICA als PCA zu verwenden?Wenn ICA statt PCA verwendet wird?
ICA ist nicht eine Dimensionalitätsreduktionstechnik. ICA wird zur Trennung von gefalteten Signalen verwendet, die eine kleinere Abmessung als der Eingangsraum haben können, aber dies ist eher ein ein Nebenprodukt, nicht als solches zielen. ICA und PCA haben somit unterschiedliche Anwendungsbereiche. PCA wird normalerweise verwendet, um hochdimensionale Daten zu visualisieren (durch Auswahl von zwei Hauptkomponenten) oder einfach um die Dimension auf diejenige zu reduzieren, die mit der gegebenen Methode gehandhabt werden kann. ICA hingegen wird verwendet, wenn Sie Signale haben, die stark gefaltet sind und Sie trennen wollen, zum Beispiel über zwei Personen, die im selben Raum sprechen, aufgenommen mit 2 Mikrofonen. ICA wird in der Lage sein, jeden Sprecher zu trennen, während PCA fehlschlagen würde. In ähnlicher Weise wird ICA nach nicht-gaußschen, gefalteten Signalen suchen. Wenn Ihre Daten also zumindest in einem vernünftigen Ausmaß vorliegen - Gaußsche Natur, wird sie diese Struktur zerstören (wie die zugrunde liegende Annahme ist, dass dies nicht wahr ist).