PCA
Posted xcxy-boke
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了PCA相关的知识，希望对你有一定的参考价值。
PCA本质上是一个有损的特征压缩过程，但是我们期望损失的精度尽可能地少，也就是希望压缩的过程中保留最多的原始信息。要达到这种目的，我们希望降维（投影）后的数据点尽可能地分散。
基于这种思想，我们希望投影后的数据点尽可能地分散。而这种分散程度在数学上可以利用方差来表示。设降维后的特征为 A，也就是希望 $var(A)= \frac1m\sum_i^m(a_i-\mu_a )^2$，而由于在PCA降维前，一般已经做了特征零均值化处理，为了方便，记$var(A)= \frac1m\sum_i^m(a_i)^2$
以上是关于PCA的主要内容，如果未能解决你的问题，请参考以下文章
机器学习面试问答：PCA算法介绍？PCA算法过程？PCA为什么要中心化处理？PCA为什么要做正交变化？PCA与线性判别分析LDA降维的区别？