Julia 主成分分析PCA

前言

最近在添补之前埋下的坑，学习和实践机器学习。master阶段以李航的《统计学习》为基础，做了一部分机器学习工作。近来以周志华《机器学习》为参考，系统性的学习下机器学习，主要使用python的sklearn库。再者，结合Julia语言练习一下Julia编程。

PCA 主成分分析的思路

PCA利用样本矩阵的特征值，对样本的属性进行降维。原理不表了，大家随处可搜到。步骤参考西瓜书[1]。

• 1.计算样本的协方差矩阵
• 2.对协方差矩阵求解特征值和特征向量
• 3.找到大于设定门限的占优的$k$个特征值$\frac{{\sum }_i^k{\lambda }_i}{{\sum }_i^{}{\lambda }_i}$
• 4.最终，得到占优特征值的特征向量矩阵

1.实现样本属性的协方差矩阵

假设共有$m$个样本，每个样本具有$n$个属性，即是：样本 X i