图像随记

典型关联分析CCA：关联关系算法，降维比较相关性。

降维原则：
PCA：无监督学习，投影方差最大
LDA：监督学习，同类投影方差小，异类间投影方差大。LDA关心的是能够最大化类间区分度的坐标轴成分


PCA：
1.线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。
2.减少数据集的维数，保持数据集的对方差贡献最大的特征。
3.这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。
4.数据主成分（特征向量），权值（特征值）

相关参数：
反映变量间密切程度的统计指标，相关系数

Pearson相关系数：衡量两个数据集合是否在一条线上面，定距变量间的线性关系。

TF-IDF：信息检索，加权技术。词频-逆文本频率指数
TF表示词条在文档d中出现的频率
IDF：包含词条t的文档越少，即n越小，IDF越大，则说明词条t具有很好的类别区分能力