基本概念 PCA的主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分,是在原有n维特征的基础上重新构造出来的k维特征。 二维映射为一维: 三维映射为二维: 当数据集不同维度上的方差分布不均匀的时候,PCA最有用。 降维后,整体和原样本的分布并没有多大的差距,点和点之间的距离更大了,区分度也更加明显。一般会使用方差(