PCA

模式识别课程：

PCA:可以看做一种思想，也是模式识别中常见的不能在常见的一个算法。

 

1：一个算法到底有没有理解？？？ 你能通过代码写出来，才说明理解了。

2：PCA（主成分分析）

     一般是为了降维，把每个样本对应的n维的特征向量转成仅仅m维的向量。 至于降维后，做分类的事情，就不属于它的范畴了。

 （ps:分类的时候可以有多种方法选择：如svm,神经网络。。。）

   

    它不需要知道各个样本到底是什么类型

3：PCA如何编码：分为六步（对啊，老师讲的很清晰。就六步而已，知道这六步就是知道了这个算法。ps:你要是自己看书，看五个小时也不懂写的什么。老师原话）

     a:把每个样本表示成 如 20000维的向量

    b: 计算样本的平均向量

   c;每个样本向量减去平均向量

   d:计算协方差矩阵

   e；计算协方差矩阵的  特征值和特征向量 ，从大到小？选出前 m 个特征值及其对应的特征向量

   f:最后一步忘了？？？（过两天补上。）

4： 在计算 d,e两步时，如你的矩阵是 20000维的话，如A*A的转置，太大了，计算机处理不了，这时候就要另辟蹊径，简化计算。

      如采用  A的转置*A，然后再 经过一步公式变换即可。

      ps:具体的参见老师的PCA的课件。