Principal components analysis(PCA)--主成分分析1.0

（PS：今天开始开新坑，友情提示，线代含量极大。由于内容极多，将分为多个小节分部阐释）

（本节主要内容请参考“总结”或目录）

定义

在多元统计分析中，主成分分析（英语：Principal components analysis，PCA）是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。具体地，主成分可以看做一个线性方程，其包含一系列线性系数来指示投影方向。PCA对原始数据的正则化或预处理敏感（相对缩放）。(From wikipedia)

简单来说（用人话来说），PCA是一项流行的用于数据降维的技术，并在降维的同时尽可能得保持数据原有的特征或者说保留主成分。It's quite simple to use and it specially uses linear projection （线性投影） of the data. 掌握PCA有助于我们理解更高级的数据降维技术。

线性投影（linear projection）

Q1:什么是线性投影？