步骤：
1、对原始d维数据集做标准化处理
2、构造样本的方差矩阵
3、计算协方差矩阵的特征值和相应的特征向量
4、选择与前k个最大特征值对应的特征向量，其中k为新特征空间的维度，k<d
5、通过前k个特征向量构建映射矩阵W
6、通过映射矩阵W将d维的输入数据集X转换到新的k维特征子空间
核心算法
from sklearn.decomposition import PCA
pca = PCA(5) #将原始数据降到5维，从特征重要性中选取前5个特征
pca.fit(X)
X = pca.transform(X) #降维后的数据
PCA算法的核心思想是线性变换，一般情况下用在数据降维，它并不是去掉其中比较不重要的特征，而是将所有的特征通过线性变换，变换到其他维度较低的多维空间。
主成分分析(PCA, Principal Component Analysis) 主成分分析算法(PCA)是最流行...
PCA PCA(Principal Components Analysis)即主成分分析，也称主分量分析或主成分回...
转自博文--主成分分析PCA 概述 “主成分分析（Principal Component Analysis，PCA...
什么是主成分分析 主成分分析的概念 主成分分析（Principal Component Analysis，PCA）...
降维往往作为预处理步骤，其中独立成分分析、因子分析和主成分分析比较流行，主成分分析（PCA）最为广泛。 PCA借助...
主成分分析 ##主成分分析pca-R语言实战：：pca是把许多个体的不同特征转...
概念 PCA（principal components analysis）即主成分分析。主成分分析也称主分量分析，...
前言 主成分分析(Principal Components Analysis，PCA)，也称主分量分析或主成分回归...
导读 主成分分析(Principal Components Analysis，PCA)，也称主分量分析或主成分回归...
本期内容为[R语言可视化-精美图形绘制系列]--主成分分析（PCA） 主成分分析：PCA（Principal Co...
本文标题：PCA主成分分析
本文链接：https://www.haomeiwen.com/subject/drtlgqtx.html
网友评论