Week8.2_PCA降维

主成分分析 PCA

1。做用：降维 数据更容易分析

2.核心：找到一个平面（线段、体）使得全部点到这个平面的距离最短

3.实现方法：1）mean normalization 均值归一化 （每一个特征值的均值）or feature scaling 特征缩放

2）找到向量（线：一个向量，面：两个向量）

3）采用【u，s，v】（协方差）获得u，前k个就是投影的k个方向

4）乘上x 获得投影的函数z

---

1.k的选择使得99%的差别性获得保留，由于不少数据是类似的，因此压缩后也不会形成数据的失真、
2.采用【u，s，v】，只须要使用公式一次，就能够迭代k，找到差别值》99%

PCA在有监督学习中的加速 （只在训练集中使用）

1. 提取出输入值

2. 使用PCA使得维度下降

3.获得新的训练集

---

PCA推荐使用的状况：

1. 避免过拟合（正则）
2. 只有在内存过小，太慢收敛等状况下，才使用PCA，通常都会（x（i），y（i））进行计算