python学习笔记（32）----PCA主成分分析——降维

主成分分析法本质上是从一个坐标系转移到另外一个坐标系，但是我们只取出K个相对重要的方向。

假设是二维数据，我们需要找到一个轴，使得样本空间所有点映射到这个轴上面后，方差最大（方差越大，信息量也就越大）

1.数据中心化，就是将所有的杨丽均值归0（样本分布没有发生改版，就是样本在每一个维度均值为0）
数据中心化后，均值为0 ，就简化了方差求解

2.此时，我们可以通过梯度上升来求解w使得方差最大，求出w后，称为第一主成分，此时，数据进行改变，把数据在第一主成分上的分量去掉，在新的数据上继续求出下一主成分，再将数据投影
（这里也可以通过求协方差，然后对协方差矩阵做特征分解，选则最大的K个特征值对应的特征向量，再将数据投影到选取的特征向量上）代码还是用协方差矩阵算了，np中已经封装好了协方差，特征值特征向量的求法

import numpy as np
import matplotlib.pyplot as plt

X=np.empty((100,2))
X[:,0]=np.random.uniform(0,100,100)
X[