5. PCA方法及其应用

PCA

• 主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。
• PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。

方差

是各个样本和样本均值的差的平方和的均值，用来度量一组数据的分散程度。
$$S^2=\frac{{\sum }_{i=1}^n(x_i-x{)}^2}{n-1}$$