关于PCA算法学习心得

学习的过程中，以下链接对我帮助较大：
链接：http://blog.codinglabs.org/articles/pca-tutorial.html

压缩的实质就是针对样本的属性，让单个属性的方差最大，让样本之间的协方差的为零。PCA算法的是针对原始样本的协方差C的变换，通过对协方差矩阵C的对角化，找到映射后的样本的协方差矩阵Y。需要注意的是，此时D是对角阵，从而满足了我们优化的要求——协方差为零，方差最大。

D=====1mYYT1m(PX)(PX)T1mPXXTPTP(1mXXT)PTPCPT

然后原始的样本即可通过正交阵的变化，获得映射后的样本坐标。接着，在一定压缩率的条件下，选取特征值较大的属性，完成特征压缩。

1. 关于样本数据是否需要去中心化的问题
   参考以下链接：
   Centering对PCA的影响
   Centering在PCA中与Intercept的关系