PCA-主成份分析实现流程

PCA用来干什么：

PCA(Principal Component Analysis)，PAC的作用主要是降低数据集的维度，然后挑选出主要的特征。PCA的主要思想是移动坐标轴，找到方差最大的方向上的特征值。

PCA算法流程：

对原始数据做均值归一化和方差归一化
对针对维度做协方差矩阵
求协方差矩阵的特征值和特征向量
将特征值按从大到小排序，按要求选取N（新维度的数量）个
将特征值对应的特征向量组成矩阵，右乘数据矩阵

PCA使用看似简单的处理流程，却暗含了非常精妙的数学原理，能根据用户的需求，使数据的维度降低，从而为后续的数据分析铺平了道路。

PCA的适用范围

PCA对于呈高斯分布的高维数据的效果极好，但PCA对噪声也同样过于敏感，也阻碍了其大范围适用。

----------

推荐一篇简明易懂的PCA的blog：/article/5718125.html