PCA主成分分析解释及PYTHON代码

1 假设有m个样本，每个样本有n维，则定义输入dataMat为m*n的矩阵
2 对输入dataMat矩阵进行均值化处理，就是将m个样本中每一个维度值进行取平均，然后每个样本的值在减去这个平均值，记为newData，这个新矩阵对应每一维的均值是0，依然是$m\ast n$矩阵
3 进行主成分分析降维，是为了找一个$n\ast d$矩阵，将newData矩阵进行线性变换成lowData矩阵，降维成d维，该矩阵为$m\ast d$矩阵。
4进行变换的目的，是对新生成的d维矩阵中，每一维自身方差最大，对应互相两维之间协方差为0.对应newData矩阵，进行线性变换之后得到的lowDData维矩阵，对应的每一维均值依然是0。
5 所以为了保证每一维自身方差最大，对应互相两维之间协方差为0，发现lowDData矩阵的转置矩阵乘以该矩阵，得到一个$d\ast d$矩阵，对角线值为每一维的方差，其余值为互相两维的协方差，且该矩阵是个对称矩阵（我们讨论实数范围内，即为实对称矩阵）。那我们最希望的就是该协方差矩阵对角线的值从大到小拍了，其余值为0.
6 假设原矩阵为X，变换矩阵为D，得到C=XD，X是$m\ast n$矩阵，D是$n\ast d$矩阵，得到的C是$m\ast d$矩阵.C矩阵的协方差矩阵为$C^{T}C=D^T{X}^{T}XD$，因为实对称矩阵$X^{T}X=W\lambda W^T$，所以$C^{T}C=D^{T}W\lambda W^{T}D$，为了使$C^{T}C=\lambda$，即$D=W$。
7 主成分分析降维，即是取输入样本X矩阵，对应的$X^{T}X$的前d个特征向量，作为线性变换矩阵D，其中通过python numpy计算 np.linalg.eig(X，rowvar=0)得到的是矩阵（$X^{T}X$）的特征向量，所以该特征向量的前d列基向量就是组成我们想D要得到的线性变换矩阵D
8 对应的python代码如下：

import numpy as np

def pca(dataMat,d):
    # 输入是m*n的矩阵，即m个样本，每个样本n维
    # 计算平均值
    meanValue = np.mean(dataMat,axis=0)
    # 减去平均值，生成新矩阵X
    newData = dataMat - meanValue
    # 根据输入矩阵X得到相应协方差矩阵：X的转置矩阵乘以X
    covMat = np.cov(newData,rowvar=0)
    eigValues, eigVectors = np.linalg.eig(covMat)
    eigValuesInd = np.argsort(eigValues)
    # 因为np.argsort(eigValues)排序是从小到大排序，所以后面取倒数d个特征值对应的向量
    eigValuesInd = eigValuesInd[-1:-d-1:-1]
    print('index: ',eigValuesInd)
    n_eigVectors = eigVectors[:,eigValuesInd]
    # 此为C=XD，得到降维后的矩阵值
    lowDDataMat = np.dot(newData, n_eigVectors)
    # 此为重构，即得到X=CD(T)+均值
    reconData = np.dot(lowDDataMat,n_eigVectors.T) + meanValue
    return lowDDataMat, reconData