PCA基本思想及其应用案例：企业综合实力排序

主成分分析（PCA）基本原理

在数据建模中，我们会经常遇到多个变量的问题，而且在多数情况下，多个变量之间常常存在一定的相关性。当变量个数较多且变量之间存在复杂关系，会显著增加分析问题的复杂性。如果有一种方法可以将多个变量综合为少数几个代表性变量，使这些变量既能够代表原始变量的绝大数信息并且互不相干，那么无疑有助于对问题的分析和建模。这时，就可以考虑用主成分分析法。

PCA基本思想

PCA的本质其实就是对角化协方差矩阵。
PCA就是将高维的数据通过线性变换投影到低维空间上去，但这个投影可不是随便投投，要遵循一个指导思想，那就是：找出最能够代表原始数据的投影方法。

“最能代表原始数据”希望降维后的数据不能失真，也就是说，被PCA降掉的那些维度只能是那些噪声或是冗余的数据。

1