初学PCA（主元分析）后的理解

最近搞了一段时间人脸识别（我是菜鸟入门级），写下理解方便以后自己查阅，也跟大家多交流交流。

主元分析，顾名思义找出数据中最主要的信息，去除次要的，以降低数据量。

具体步骤是：

1.对每个样本提取出有用的信息组成一个向量；

2.求取出所有样本向量的平均值；

3.用每个样本向量减去向量的平均值后组成一个矩阵；

4.该矩阵乘以该矩阵的逆为协方差矩阵，这个协方差矩阵是可对角化的，对角化后剩下的元素为特征值，每个特征值对应一个特征向量（特征向量要标准化）；

5.选取最大的N个特征值（其中N即为PCA的主元（PC）数，我感觉这个主元数是PCA的核心之处，可自己选取数的多少，数越少，越降低数据量，但识别效果也越差），将这N个特征值对应的特征向量组成新的矩阵；

6.将新的矩阵转置后乘