PCA 的用途

PCA 是一种强大的数据转换技术，您可以先应用此技术，再进行进一步的分析工作。这种方法在您遇到高维数据集时非常实用，在文本挖掘、图像分析、生物数据分析、客户偏好分析以及口味分析（协同过滤）之类的领域中尤其如此。

PCA 仅直接适用于数字数据，因为它基于线性代数计算。包含离散属性的数据集必须对其离散值进行数字编码，这是前提条件。在所有属性均为连续的情况下，输入数据集 D 可以由矩阵 A 表示。此矩阵的行与 n 个属性对应，而列对应于 |D| 个实例。

为了获得矩阵 A 的特征向量（主成分），PCA 执行多项矩阵操作。这些操作共同将属性值向量转换到新的表示空间，也称为特征向量。