PCA和矩阵

PCA就是主成分分析，这是个无监督的数据处理过程

目的是把原有的数据降低到一个比较小的维度，便于后续的处理

整个过程的理论是：

原有m个样本，每个样本为n维向量，那么可组成一个n*m的矩阵S

找到一个矩阵A，将上面的样本矩阵映射到A中，假设A为k*n的矩阵

矩阵映射过程就是A矩阵左乘S矩阵得到矩阵E， 那么E为k*m的矩阵

如果k<<n的话，那么就成功的把n维向量映射到了k维向量中，这里的问题就是这个基矩阵A是如何找到的

主要使用的方法就是方差尽量大，而且还要不相关，所以既要使用方差又要使用协方差

贴一篇写的很好的博客：http://blog.codinglabs.org/articles/pca-tutorial.html

其实这里对矩阵的理解还是比较关键，有兴趣的同学可以看上面博客的内容

有两个矩阵很有用，协方差矩阵和拉普拉斯矩阵，有空再分析