主成分量分析方法(PCA)是一种代表性的无监督的线性特征提取技术。它展示的是高
维空间中数据的变化。PCA 先通过提取高维数据的协方差矩阵的特征向量来得到一个低维的
线性子空间,然后将原始的高维数据投影到这个线性子空间中来进行降维。它的目标是同时
寻找一个正交基函数的集合,这个正交基集合可以捕捉到数据的最大变化的方向,也就是保
证高维数据在投影到低维空间后,原始数据之间包含的变化信息能最大程度的保留到降维后
维空间中数据的变化。PCA 先通过提取高维数据的协方差矩阵的特征向量来得到一个低维的
线性子空间,然后将原始的高维数据投影到这个线性子空间中来进行降维。它的目标是同时
寻找一个正交基函数的集合,这个正交基集合可以捕捉到数据的最大变化的方向,也就是保
证高维数据在投影到低维空间后,原始数据之间包含的变化信息能最大程度的保留到降维后