用python实现主成分分析（PCA）
python应用实例：如何用python实现主成分分析
主成分分析（Principal Component Analysis，PCA）是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
背景
在许多机器学习、深度学习的应用中，往往需要处理大量样本或大的矩阵，多变量大样本无疑会为研究和应用提供丰富的信息，但也在一定程度上增加了数据采集的工作量。更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。而盲目减少指标又会损失很多信息，且容易产生错误的结论。因此需要找到一个合理有效的方法，在减少需要分析指标或维度的同时，尽量减少原指标所含信息的损失，以达到对所收集数据进行全面分析的目的。由于各变量间存在一定的相关关系，因此有可能用较少的综合指标分别存储变量的各类信息。主成分分析就属于这类降维的方法。
如何实现以上目标呢？这里我们简要说明一下原理，然后使用Python来实现，至于详细的推导过程，大家可以参考相关书籍或网上别的资料。
问题：设在n维空间中有m个样本点：{x1,x2,…, xm}，假设m比较大，需要对这些点进行压缩，使其投影到k维空间中，其中k
Original: https://blog.csdn.net/ruoff/article/details/116568680
Author: 是WAWA啊
Title: 用python实现主成分分析（PCA）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/673484/
转载文章受原作者版权保护。转载请注明原作者出处！