主成分分析是数据降维的一种。降维是将高维度的数据保留下最重要的一些特征,去除噪声和不重要的特征,从而实现提升数据处理速度的目的。
那么如何去将海量数据进行降维的同时又能最大程度的保留其原有的特征呢?
PCA的首要工作就是运用其方法来挖掘新的坐标轴(第一个新坐标轴选择是原始数据中方差最大的方向,第二个新坐标轴选取是与第一个坐标轴正交的平面中使得方差最大的,第三个轴是与第1,2个轴正交的平面中方差最大的。依次类推,可以得到n个这样的坐标轴。)
最终大部分方差都包含在前面k个坐标轴中,后面的坐标轴所含的方差几乎为0。此时就可以忽略余下的坐标轴,只保留前面k个含有绝大部分方差的坐标轴。事实上,这相当于只保留包含绝大部分方差的维度特征,而忽略包含方差几乎为0的特征维度,实现对数据特征的降维处理。
Dim1和Dim2就是自定义的新坐标轴,括号里的是说有多少符合~
每个圈代表一个聚类,每个点代表一个样本,其在坐标轴上距离越远说明样本差异越大。
在组间样本量一样大的时候,圈圈越小说明组内重复性越好,而中心点离得越远,组间差异越大。
其中方块的大点代表的是每个聚类的中心点。
常用于简单查看组间是否存在差别。
具体代码和细节图解待后续补充