MATLAB实战系列（二十七）-数据预处理-PCA主成分分析

我们在进行数据分析时，往往会发现数据具有很多种属性，比如某类型饼干的口味、加工方式、保质期、价格、购买人群等等。每一种属性就代表该数据在某一维度上的数值。多维度的数据无疑会增加数据的准确性与可靠性，但也给我们的计算带来麻烦。

主成分分析(Principal Component Analysis,PCA)是一种常用的数据分析方法，通常用于提取数据的主要特征分量，从而完成对高维数据进行降维的过程。

PCA对数据的降维不是简单的维度挑选，而是将m维的数据映射到n维上(n<m)，并且保证得到的n维数据仍能准确表示原数据特征。

例如现在我们的数据如下图所示，x1，x2代表原数据的两个维度。这时候我们看图像，也不好说x1，x2哪个特性更能代表数据特征。

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/108404745