java做主成分分析_主成分分析PCA

PCA(Principal Component Analysis)，即主成分分析，一种常用于数据降维分析的方法。要理解PCA的原理，首先需要理解矩阵变换的意义。

矩阵变换，有两种意义：1，在当前坐标系下的向量，经过矩阵M变换后，结果为被变换的向量在当前坐标系下的新向量。

2，保持向量不变，矩阵M对当前坐标系进行变换，结果为当前向量在新坐标系下的向量表示。该新坐标系即矩阵M，变换后的向量是在新坐标系下各坐标轴上的投影。

以二维空间样本为例，有如下一批样本：

我们需要将该二维样本数据转换到一维空间中，只分析一维空间样本数据。如果我们直接在当前坐标系下分析该样本，把所有样本投影到X或者Y轴的任意一个一维空间上，样本数据都会有较大的损失。如果我们能够找到一个变换矩阵M，使得当前坐标系旋转到下图X' Y'位置：

此时，所有样本数据在X'坐标轴上的投影达到最大，分散的最开。因此直观上X' Y'坐标系就是我们需要寻找的最优变换M。

如何得到这个变换矩阵M&#