独立成分分析

对于独立成分分析（Independent Components Analysis,ICA）希望找到其他维度来表示数据，但是和主成份分析不同在于，主成分分析使用低维度表示高纬度数据，而且样本点符合高斯分布，而独立成分分析并不要求降维，其次样本点不符合高斯分布。

经典的问题是鸡尾酒宴会问题（cocktail party problem）。N个人说话，n个话筒记录。如何把n个人原始的声音分离出来。

形式化描述这个问题：

存在在不同的n个独立源生成的数据s，我们观察到的数据x=As，其中A是未知的方阵，称之为混合矩阵（mixing matrix）。X是一个矩阵，x(i)代表一个向量，表示第i次观察值。通过不断的观察可以获得数据{x|x(i);i=1…m}，我们的目标是恢复获得原始源数据s⁽ⁱ⁾，使(x(i)=As(i))。