机器学习之PCA

PCA(主成分分析法—Principal Component Analysis)一. 求数据的前n个主成分二. 高维数据映射为低维数据 一. 求数据的前n个主成分 紧接着上次汇报的内容: ⟶将周围离散的点分别映射到这条直线上\stackrel{将周围离散的点分别映射到这条直线上}{\longrightarrow}⟶将周围离散的点分别映射到这条直线上​ 该直线所在的轴为我们的第一主成分,得到的结果就是这些样本点直接距离的方差是最大的 显然我们现在所求的不仅仅是局限在二维空间中,当维数增加时,我们如何求得下一个主成分? 如左图所示,原来求直线向量:X(i)⋅w=∥X∥project(i