何时使用 ICA 而不是 PCA？答案

【问题标题】：When using ICA rather than PCA?何时使用 ICA 而不是 PCA？
【发布时间】：2016-09-23 13:25:31
【问题描述】：

我知道 PCA 和 ICA 都用于降维，并且在 PCA 中主成分是正交的（不一定是独立的），但在 ICA 中它们是独立的。任何人都可以澄清什么时候使用ICA而不是PCA更好？

【问题讨论】：

【解决方案1】：

ICA 不是一种降维技术。 ICA 用于分离卷积信号，其维度可能小于输入空间，但这只是副产品，并非如此。因此 ICA 和 PCA 具有不同的应用领域。 PCA 通常用于可视化高维数据（通过选择 2 个主成分）或简单地将维度减少到可以使用给定方法处理的维度。另一方面，当您有信号时使用 ICA，这些信号高度卷积并且您想要将它们分开，例如两个人在同一个房间里说话，用 2 个麦克风录制。 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合理程度上是高斯性质的，它将破坏这种结构（因为基本假设是这不是真的）。

【讨论】：