PCA学习过程

近期被文章逼疯了，对lsgc算法进行了邻接矩阵的实验。

我想把PCA的方法在这个实验中进行应用，对特征进行降维以加快运算速度，降低系统开销。

matlab有自身的PCA函数，princomp()

学习参考网址：

1.http://www.cnblogs.com/sunwufan/archive/2011/08/31/2159952.html

2.http://blog.sina.com.cn/s/blog_61b8694b0101jg4f.htm

3.http://blog.csdn.net/mpbchina/article/details/7384425   PCA代码实现

4.http://blog.csdn.net/watkinsong/article/details/38536463  比较全面的文章，是2作者的整理版

PCA降维的算法原理就是：

假设，样本均为n维

单个减去所有样本的均值，然后求其特征向量，然后根据特征值大小对特征向量进行排序，然后取前若干个主成分维作为样本的新向量，并得到样本得降维矩阵。

因此，进行测试时，对测试样本乘降维矩阵进行降维前，要先减去训练样本的均值。

更明确的讲：matlab自带pca函数princomp()，在对测试样本进行降维时，测试样本要先减去训练样本得均值。