PCA(主成分分析)降維的概念、作用及演算法實現

Principal Component Analysis(PCA)：主成分分析法，是最常用的線性降維方法。

它的目標是通過某種線性投影，將高維的資料對映到低維的空間中表示，即 ... PCA(主成分分析)降維的概念、作用及演算法實現 首頁 最新 HTML CSS JavaScript jQuery Python3 Python2 Java C C++ Go SQL 首頁 最新 Search PCA(主成分分析)降維的概念、作用及演算法實現 2018-11-21254 1、PCA降維的概念 PrincipalComponentAnalysis(PCA)：主成分分析法，是最常用的線性降維方法。

它的目標是通過某種線性投影，將高維的資料對映到低維的空間中表示，即把原先的n個特徵用數目更少的m個特徵取代，新特徵是舊特徵的線性組合。

並期望在所投影的維度上資料的方差最大，儘量使新的m個特徵互不相關。

從舊特徵到新特徵的對映捕獲資料中的固有變異性。

以此使用較少的資料維度，同時保留住較多的原資料點的特性。

PCA的思想是將n維特徵對映到k維上（k