PCA降維&&奇異值分解SVD

PCA降維 涉及高維數據的問題容易陷入維數災難，隨着數據集維數的增加，算法學習所需的樣本數量呈指數級增加，且需要更多的內存和處理能力，消耗資源。主成分分析也稱爲K-L變換，常用於高位數據預處理和可視化。PCA可以把可能具有相關性的高維變量合成線性無關的低維變量，稱爲主成分。原理就是PCA將高維具有相關性的數據進行線性變換映射到一個低維子空間，儘可能多的保留更多變量(代表原特徵)，降維成一個線性無關

>>阅读原文<<