PCA 背景

PCA 是一种高级的数据探索算法，可用于寻找数据中的模式，以及找到可以强调这些模式的数据变换表示。

PCA 基于以正交、线性方式将数据变换到新的表示空间。您可以认为它是以新属性（所谓的主成分）替换原始属性。这些主成分与原始属性空间中显示最大方差的方向相对应。

使用的主成分数目最多与原始属性数相同。但是，此数目经常会小得多，因为 PCA 的其中一个目标就是降维。虽然简单的数据探索算法可能足以探索单个属性或属性对，但是对于具有多个属性的多维数据，PCA 最适用。对于多维数据，简单算法无法胜任。

如果所分析的数据集显示了强模式，那么使用 PCA 获得的新表示的维数可以大大减少，并且不会严重丢失信息。