PCA和SVD总结

PCA实际上可以通过SVD去实现，PCA本质上就是SVD的列方向的一个降维，不仅SVD可以做列方向的降维，还能做行方向的降维。

PCA的推到需要用到两个方面的知识：矩阵求导和拉格朗日乘子法。

矩阵求导：https://blog.csdn.net/daaikuaichuan/article/details/80620518#commentBox

拉格朗日乘子法（看计算过程即可，大学学过，有点忘了）：https://baike.baidu.com/item/%E6%8B%89%E6%A0%BC%E6%9C%97%E6%97%A5%E4%B9%98%E5%AD%90%E6%B3%95/1946079?fr=aladdin

PCA的推到过程很简单：https://blog.csdn.net/qq_24464989/article/details/79834564

还有PCA和SVD的区别联系，可以看这个博客：https://blog.csdn.net/zhangdadadawei/article/details/50929574

 

看完这几篇保证你对PCA和SVD了解的很彻底，感谢各位博主的付出，我就整理一下，方便大家查阅，自己也记一下