PCA---主成成分分析

P C A − − − 主 成 成 分 分 析 PCA---主成成分分析 PCA−−−主成成分分析

矩陣的相似對角矩陣，接近矩陣的本質

協方差矩陣可用來表示多元随機變量的機率密度，進而可通過協方差矩陣達到對多元随機變量的研究。

相似對角化

非奇異矩陣，可以轉換為某個空間中的對角陣

特征矩陣的定義

Ap = ap
           

第一步，求每個特征的平均值，然後對于所有的樣例，都減去對應的均值。

第二步，求特征協方差矩陣

第三步，求協方差的特征值和特征向量

第四步，将特征值按照從大到小的順序排序，選擇其中最大的k個，然後将其對應的k個特征向量分别作為列向量組成特征向量矩陣。

第五步，将樣本點投影到選取的特征向量上。

推薦閱讀資料

https://blog.csdn.net/zhongkelee/article/details/44064401

在圖像裡

一張圖檔就是向量

圖檔的個數（樣本數）就是矩陣的次元