主成分分析（PCA）

主成分分析

数据降维

在某些限定条件下，降低随机变量个个数，得到一组“不相关”主变量的过程。

作用：

• 减少模型分析数据量，提升处理效率，降低计算难度
• 实现数据可视化

主成分分析（PCA）

目标： 寻找k(k<n)维新数据，使他们反映事物的主要特征

核心： 在信息损失尽可能少的情况下，降低数据维度

投影后的不同数据特征尽可能分得开（即不相关）可以保留主要的信息；

实现方式：使投影后数据的方差最大，因为方差越大数据也越分散

计算过程：

1. 原始数据预处理（标准化：$\mu =0,\sigma =1$）
2. 计算协方差矩阵特征向量、及数据在各特征向量投影后的方差
3. 根据需求（任务指定或方差比例）确定降维维度k
4. 选取k维特征向量，计算数据在 其形成空间的投影