主成分分析（PCA）

1.PCA的原理

主成分分析PCA(principal component analysis)是一种降维的方法。在PCA中，数据集被从原来的坐标系统转换到一个新的坐标系统。

坐标系的选择是有数据决定的，第一个坐标选择是原始数据中方差最大的方向，第二个坐标轴选择是跟第一个坐标轴正交，并且具有最大方差的方向。其他坐标轴的选择跟这个一样的做法。

这样大部分方差大的坐标就在前几个坐标系里面了。

2.PCA计算方法：

① 计算数据集的列平均值

②用数据集-列平均值

③计算协方差矩阵

④计算协方差矩阵对应特征值和特征向量

⑤按照特征值从大到小的顺序对特征向量进行排序。

⑥选取前k个特征值对应的特征向量，组成新的矩阵W

⑦应用新生成的矩阵W计算在新空间中元数据x的坐标。y=*x进行计算。

3.在scikit-learn中通过sklearn.decomposition.PCA类实现PCA的处理。