PCA & SVD & 极分解 简介

前言

这个去年就会的知识因为很久没用已经快忘了，以前没写总结，于是今天要用到的时候又必须重新学一遍。因为网上的多数教程实在过于琐碎，于是总结一篇精炼的文章以便复习。

PCA

考虑$n$个$m$维特征：$X=(x_1,...,x_n)$。（一列为一个特征，一行为所有特征在某一维的坐标，一定要区分清楚），先将其每维度特征减去平均值。

得到每个维度的协方差矩阵：$C_x=X{X}^T$。

以前的基为$(e_1,...,e_m)$，想找到一组新的基$({\eta }_1,...,{\eta }_m)$，得到新的特征矩阵$Y=QX$（$Q$为 e e