知识：PCA降维

参考了两篇关于PCA的帖子：

        CodingLabs - PCA的数学原理

        【机器学习】降维——PCA（非常详细） - 知乎

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：