pca演算法原理

① pca演算法指的是什麼

PCA（principle component analysis），即主成分分析法，是一個非監督的機器學習演算法，是一種用於探索高維數據結構的技術，主要用於對數據的降維，通過降維可以發現更便於人理解的特徵，加快對樣本有價值信息的處理速度，此外還可以應用於可視化（降到二維）和去噪。

PCA與LDA演算法的基本思想

數據從原來的坐標系轉換到新的坐標系，新坐標系的選擇是由數據本身決定的。第一個新坐標軸選擇的是原始數據中方差最大的方向，第二個新坐標軸選擇和第一個坐標軸正交且具有最大方差的方向。該過程一直重復，重復次數為原始數據中特徵的數目。我們會發現，大部分方差都包含在最前面的幾個新坐標軸中。因此，我們可以忽略餘下的坐標軸，即對數據進行降維處理。