[算法5]PCA降维

最近在做文本聚类和用kd－tree关联文档，头疼于所谓的文本处理的高维诅咒，决定写一个降维算法。

从降维算法最常见的入手，which is PCA，又叫主成分分析。PCA是利用了协方差的概念，将多维度的矩阵之间维度建立一个关系，然后拉伸原有的多维度，组合成新的低维度空间，投影原有的多维矩阵到低维空间中，尽量的保证原有的各个样本间关系损失小。

步骤：

1. 将数据建立一个M＊N矩阵，每行代表一个样本，每列代表一个维度，我们的目标是降低这个维度；
2. 每列取均值，可以得到一个1*N的矩阵，每个值是这个维度的平均值；
3. 将原有的M＊N矩阵的每一行（样本）都减去这个平均值矩阵（1*N矩阵），得到平均值矩阵M＊N，意义是将原有空间中的矩阵分布样本的中心拉到空间原点；
4. 对这个M＊N的矩阵做协方差运算，得到N＊N的矩阵，这个矩阵表示了N个维度间的相关性；