PCA原理:(一个分析多维分布并且从中提取出带有最多信息量的维度子集的方法)(无监督:基于方差提取最有价值的信息) 通过对高维数据分析发现他们的相同与不同表达为一个低维数据模式 主成分不变、细微损失、高维数据到低维数据 PCA:样本数据、减去均值、计算协方差矩阵(标准差、方差越大,离散程度越大)、计算特征值与特征向量、根据特征值排序保留前K个主成分特征向量、形成新的数据样本。 输出数据 = 前K个特征向量组合 x 均值调整之后的数据 #include #include using namesp