wbyang.cn

作为开始，给出一些参考资料以便参考。为了方便阅读，这些资料都是能在网上看到或者下载到的。 [1] Lindsay I Smith. A tutorial on Principal Components Analysis. February 26, 2002. http://www.cs.otago.ac.nz/cosc453/student_tutorials/principal_compo

        首先，抛开一切已有说法，用我自己的话说一遍，可能稍显寒碜。        PCA的主要目的是降维，这里涉及到几个问题：什么是降维？降维的标准是什么？怎样实现降维？        下面依次从这三个问题入手讨论。        （1）什么是降维？        这里维度的概念就不解释了。可以简单地将降维理解为：数据的维度越大，对于计算就越复杂，需要将高维数据表示在低维上

        主要谈谈PCA的假设条件和缺点。        PCA有以下几个假设条件:        （1）线性（Linearity）：基变换的条件，即新得到的正交基可以由之间基的线性组合得到。目前有研究将这个条件转换到非线性条件下，例如Kernel PCA。        （2）大方差对应重要数据结构（Large variances have important structur