PCA算法原理以及两种实现方式

PCA降维的步骤：

设有m条n维数据。

1）将原始数据按列组成n行m列矩阵X

2）将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值

3）求出协方差矩阵

4）求出协方差矩阵的特征值及对应的特征向量

5）将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P

6）PX即为降维到k维后的数据

如下链接是我觉得讲的比较好的pca降维的文章

https://blog.csdn.net/HLBoy_happy/article/details/77146012
pca c++实现
https://blog.csdn.net/panhao762/article/details/55273789
opencv实现
https://blog.csdn.net/zmdsjtu/article/details/77932176

如下是我的个人理解

具体实现步骤：
1.算出特征值和特征向量

———-可以得到特征值和特征向量

pca降维
算出协方差
压缩后的矩阵 = 特征向量×减去均值的原始举证