R语言独立成分分析fastICA、谱聚类、支持向量回归SVR模型预测商店销量时间序列可视化

本文利用R语言的独立成分分析（ICA）、谱聚类（CS）和支持向量回归 SVR 模型帮助客户对商店销量进行预测。

首先，分别对商店销量的历史数据进行了独立成分分析，得到了多个独立成分；其次，利用谱聚类方法将商店销量划分成了若干类，并将每个类的特征进行了提取；最后，利用 SVR模型对所有的商店销量进行预测。实验结果表明，利用 FastICA、 CS和 SVR模型能够准确预测商店销量。

读取数据

read.csv("train_final.csv")
head(data)

独立成分分析方法（fastICA）

首先对于d维的随机变量 x∈Rd×1 ，我们假设他的产生过程是由相互独立的源 s∈Rd×1 ，通过 A∈Rd×d 线性组合产生的x=As

如果s的服从高斯分布的，那么故事结束，我们不能恢复出唯一的s，因为不管哪个方向都是等价的。而如果s是非高斯的，那么我们希望找到w从而 s=wTx ，使得 s 之间的相互独立就可以恢复出s了，我将在后面指出，这等价于最大化每个 s 的非高斯性。

采用独立成分分析方法（fastICA），得到矩阵W,A和ICs等独立成分结果（是否需要pca降维？）。

reeplot(prcomp(