R中进行PCA主成分分析

1. PCA优缺点

• 利用PCA达到降维目的，避免高维灾难。
• PCA把所有样本当作一个整体处理，忽略了类别属性，所以其丢掉的某些属性可能正好包含了重要的分类信息

2. PCA原理

条件1：给定一个m*n的数据矩阵D， 其协方差矩阵为S. 如果D经过预处理， 使得每个每个属性的均值均为0， 则有$S=D^TD$。

PCA的目标是找到一个满足如下性质的数据变换：
- 每对不同的新属性的协方差为0，即属性间相互独立；
- 属性按照每个属性捕获的数据方差大小进行排序；
- 第一个属性捕获尽可能多的数据方差；
- 满足正交性的前提下，每个属性尽可能多的捕获剩余方差。

条件2:由于协方差矩阵是半正定矩阵，则其具有非负特征值。令