机器学习之主成分分析PCA原理及其运用.docxVIP

机器学习之主成分分析 PCA 原理及其运用 原理篇 Prin cipal Compo nent An alysis（PCA） 是最常用的线性降维方法， 它 的目标是通过某种线性投影，将高维的数据映射到低维的空间中表示， 并期望在所投影的维度上数据的方差最大， 以此使用较少的数据维度， 同时保留住较多的原数据点的特性。 通俗的理解，如果把所有的点都映射到一起，那么几乎所有的信息（如点和点之间的距离关系）都丢失了，而如果映射后方差尽可能的大， 那 么数据点则会分散开来，以此来保留更多的信息。可以证明， PCA 是丢失原始数据信息最少的一种线性降维方式。 （实际上就是最接近 原始数据，但是 PCA