PCA算法过程

PCA(Principal Components Analysis)主成分分析，这是一种数据降维算法，用于数据预处理。一般我们获取的原始数据维度都很高，我们可以运用PCA算法降低特征维度。这样不仅可以去除无用的噪声，还能减少很大的计算量。

PCA的算法步骤：

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C=1mXXTC=1mXXT；
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. Y=PXY=PX即为降维到k维后的数据。