主成分分析（PCA）的主要使用场景

PCA的主要适用场景：

（1）非监督式的数据集

它是一种非监督式的降维方法，因此适用于不带有标签的数据集，对于带有标签的可以采用LDA

（2）根据方差自主控制特征数量

最大的主成分的数量会小于或等于特征的数量，即，PCA可以输出全部的特征，具体取决于选择特征中解释的方差比例

（3）更少的正则化处理

选择较多的主成分将导致更少的平滑，因为能保留很多特征，减少正则化

（4）数据量较大的数据集

数据量大指数据记录多和维度多两种情况，PCA对大型数据集的处理效率高

（5）数据分布是位于相同平面上，数据中存在线性结构