深度之眼花书训练营第3期+PCA的学习笔记

之前我经常使用PCA，但是我发现我没有很懂PCA，这次重新学习机器学习，我想想彻彻底底地搞懂一下，网上也看了很多的资料，似乎对其的理解有了更加进一步的认识。我感觉需要从以下四块来认识PCA。

1. PCA是干什么？ 就是说PCA解决了什么问题？

2.PCA的数学原理是什么？

3.PCA用python 什么包调用比较方便，理解每个参数的意义？

4.用PCA来实战一个例子？

以上是我的学习思路，PCA-Principal Component Analysis-主成分分析 也就是机器学习中的无监督学习

PCA干什么用的

这个干什么用，网上自然有很多的说明，主要就是降维，我以前一直不明白，降低纬度以后，每个纬度代表什么，其实不用这么死理解，需要换个思路，从主成分角度+协方差的角度去思考这个问题，我相当于是建立了一个新的N维坐标，并没有具体的含义，但是按照eigenValue 从大到小排序，使得前几个纬度可以解释大部分的方差变异。

有啥用，就是减少了数据量，方便后面计算，同时可以看到在前几个主成分上，所有样本的分布情况，这样可以看个分类。

#PCA的数学原理是什么？

这里涉及了矩阵的分解，SVD，之前有详细的推导，大家也可以看网上有很多的解释，我主要想说的，可以用当时我考研复习矩阵的时候的一个想法来理解，就是这个其实是矩阵本身的一个性质，所以叫无监督学习，自己学习，推导出自己的一个性质，自己搞自己的感觉，没有外力的加入。
看下面这个理解就很OK
https://www.cnblogs.com/sweetyu/p/5085798.html
https://blog.csdn.net/u012421852/article/details/80458340
https://zhuanlan.zhihu.com/p/37777074

#PCA用