Week8.2_PCA降維

主成分分析 PCA

1。做用：降維 數據更容易分析

2.核心：找到一個平面（線段、體）使得全部點到這個平面的距離最短

3.實現方法：1）mean normalization 均值歸一化 （每一個特徵值的均值）or feature scaling 特徵縮放

2）找到向量（線：一個向量，面：兩個向量）

3）採用【u，s，v】（協方差）獲得u，前k個就是投影的k個方向

4）乘上x 獲得投影的函數z

---

1.k的選擇使得99%的差別性獲得保留，由於不少數據是類似的，因此壓縮後也不會形成數據的失真、
2.採用【u，s，v】，只須要使用公式一次，就能夠迭代k，找到差別值》99%

PCA在有監督學習中的加速 （只在訓練集中使用）

1. 提取出輸入值

2. 使用PCA使得維度下降

3.獲得新的訓練集

---

PCA推薦使用的狀況：

1. 避免過擬合（正則）
2. 只有在內存過小，太慢收斂等狀況下，才使用PCA，通常都會（x（i），y（i））進行計算