主成分分析（Principal Component Analysis, PCA）

PCA是最重要的非监督学习的降维方法之一。在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。 A、PCA的优缺点 1）优点：仅仅需要以方差衡量信息量，不受数据集以外的因素影响；各主成分之间正交，可以消除原始数据成分见得相互影响的因素；计算方法简单，主要运算是特征值分解，易于实现。 2）缺点：主成维特整分各个特征维度的含义具有一定的模糊性，不如原始样本特征的解释性强；方差小的非主成分也可能含有对

>>阅读原文<<