PCA算法的理解

PCA算法被用来提取数据中主要的特征分量，通常是用来做高纬度的降维使用。PCA的原理涉及到数学中的向量空间和基。

就像Pic1中，一组数据在原始坐标系x，y中，原始基为（1，0）和（0，1），也就是x，y轴方向的单位向量。找到数据的中心点，找出主轴x’，数据在x‘轴方向上的变化最大，x’，y'的单位向量构建出一组新的基。

完成新的向量空间的构建后，假设每一个坐标点代表一个数据点，每个数据点包含了连个维度的信息（x，y）。为了达到降维的目的，将图中的每个点映射到新的x'轴，那么二维的信息变成一维的分布形式。