一句话总结PCA

一句话总结PCA   核心：向重构误差最小（方差最大）的方向做线性投影。   PCA是一种数据降维和去除相关性的方法，它通过线性变换将向量投影到低维空间。对向量进行投影就是让向量左乘一个矩阵得到结果向量，这是线性代数中讲述的线性变换： y = Wx 降维要确保的是在低维空间中的投影能很好的近似表达原始向量，即重构误差最小化。下图是主分量投影示意图： 在上图中样本用红色的点表示，倾斜的直线是它们的主

>>阅读原文<<