我們在進(jìn)行數(shù)據(jù)分析時(shí)，往往會(huì)發(fā)現(xiàn)數(shù)據(jù)具有很多種屬性，比如某類型餅干的口味、加工方式、保質(zhì)期、價(jià)格、購買人群等等。每一種屬性就代表該數(shù)據(jù)在某一維度上的數(shù)值。多維度的數(shù)據(jù)無疑會(huì)增加數(shù)據(jù)的準(zhǔn)確性與可靠性，但也給我們的計(jì)算帶來麻煩。

主成分分析(Principal Component Analysis,PCA)是一種常用的數(shù)據(jù)分析方法，通常用于提取數(shù)據(jù)的主要特征分量，從而完成對高維數(shù)據(jù)進(jìn)行降維的過程。

PCA對數(shù)據(jù)的降維不是簡單的維度挑選，而是將m維的數(shù)據(jù)映射到n維上(n<m)，并且保證得到的n維數(shù)據(jù)仍能準(zhǔn)確表示原數(shù)據(jù)特征。

例如現(xiàn)在我們的數(shù)據(jù)如下圖所示，x1，x2代表原數(shù)據(jù)的兩個(gè)維度。這時(shí)候我們看圖像，也不好說x1，x2哪個(gè)特性更能代表數(shù)據(jù)特征。

總結(jié)

以上是生活随笔為你收集整理的MATLAB实战系列（二十七）-数据预处理-PCA主成分分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。