PCA

数据降维

降维：在保证数据本质的前提下，将数据的维度降低。

PCA的概念

PCA的思想是将$n$维特征映射到$k$维上，这$k$维是全新的正交特征。

PCA算法流程

1. 去平均值：每一维特征减去各自的平均值
2. 计算协方差矩阵
3. 计算协方差矩阵的特征值和特征向量
4. 对特征值从大到小排序，保留特征值最大的$k$个特征向量，组成特征向量矩阵。
   • 将样本点投影到选取的特征向量上。

   • 减去均值后的样本矩阵为$DataAdjust(m*n)$，协方差矩阵为$n*n$，选取的$k$个特征向量组成的矩阵为$EigenVectors(n*k)$。那么投影后的数据FinalData为：
     

     $$FinalData(m*k) = DataAdjust(m*n) *EigenVectors(n*k)$$

     参考：
     https://www.zhihu.com/question/30094611
     https://blog.csdn.net/google19890102/article/details/27969459