主成分分析

数据降维

举例： 17个数据指标 -> 3个指标 实现高精度

在特定条件下，降低随机变量的个数，得到一组“不相关”的主变量的过程

降低处理难度 提高处理效率

实现数据可视化

多个变量 -> 综合因子

实现：PCA 主成分分析

核心：在信息损失尽可能的小的时候，降低数据维度

在高维空间中找到一个低维度空间，将高维空间里的点到低维空间的距离视为损失的信息： 要求找一个据各个点最近的低维空间

目标：投影后的不同数据分开尽可能分开（不相关）

-> 方差尽可能大

步骤

1. 数据预处理 标准化
2. 计算协方差矩阵的特征向量，及数据在各个特征向量投影后的方差
3. 根据需求确定降维维度 k
4. 选取k维特征向量，计算数据在其形成空间形成的投影