参考了两篇关于PCA的帖子:
里面讲的比较详细,我只做个小简化
PCA(Principal Component Analysis):用于高维数据的降维,可用于提取数据的主要特征分量
这里需要一些数学的基础知识:
1. 内积和投影
设 A=(x1,y1),B=(x2,y2),那么A·B = x1*x2 + y1*y2 =|A|*|B|*cos(α)(α为AB向量的夹角)
如果 向量B的模为1,则A与B的内积值等于A向B所在直线投影的矢量长度
A·B = x1*x2 + y1*y2 =|A|*cos(α)
2. 基
根据上面的公式 我们就能看出|B|为1时,可以当作一个基向量,那么 |A|*cos(α) 也就是向量 A 在基向量 B 上的投影。
那么对于向量 (3,2) 这个点来说,在 和 这组基下的坐标: