(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。