matlab如何画lda投影结果_数据挖掘——主成分分析（PCA）与线性判别分析（LDA）...

PCA

特征选择：从n个属性选择m个，要最大程度的保留主要的，可辨识的特征

特征提取：例如边缘提取（像素点的差分）

Variance=Information，如果沿着某一个属性的Variance越大，就说明这个属性越重要

假设数据是二维高斯分布（椭圆形：有长轴与短轴），X1属性优于X2（Variance较大），则选择X1，把数据向长轴上投影，转化为一维。

但并不是所有的都是标准的，如图就有一定的偏转，此时再向x1，x2投影，无论如何选择，都会损失较多的特征数据。若将坐标轴做一定的平移与偏转似乎就有了解决的办法，利于特征的选择。

那么，如何做这个变换呢？目标在Y坐标轴下计算出的correlation只有对角线上是非0的，其他的都为0

Y=PX P为n维的旋转矩阵。要求得S(Y)，进行变化，希望该矩阵为对角阵

-->

矩阵的特征值分解（Eigendecomposition），再带回（D就是一个对角阵，它包含的就是特征值）

-->