机器学习第九周打卡：主成分分析

用途：在实际业务情况中，因为存在多种变量间都存在相关性，复杂性上升，为了降低复杂度，单纯的减少指标数量，有可能导致模型损失相关信息，那有没有一种方法，可以在多种变量基础上，将N个指标，转化成为M个指标，既保证数据不缺失，模型更准确，指标数量又有所降低。

主成分的思想：就是将N维指标体系下数据，映射到K维指标体系下，并且保证到K维指标体系下，间距最大(原因是，拥有更高的区分度，更能保存原有数据的特征信息)，间距最大，一般采用的方差来计算样本的间距。

步骤：
1、归一化处理
2、找到间距最大的单位向量
3、寻找最优目标函数，计算最小的损失函数，此处采用梯度优化算法具体去分析。