PCA 原理分析

1、PCA（Principal Component Analysis）即主成分分析。正如其名，PCA可以找出特征中最主要的特征，把原来的n个特征用k(k < n)个特征代

替，去除噪音和冗余。PCA是特征提取、数据降维的常用方法。

MLlib中PCA的实现思路：

1)原始数据3行4列经过转换得到矩阵A3∗4A3∗4

2)得到矩阵A3∗4A3∗4的协方差矩阵B4∗4B4∗4

3)得到协方差矩阵B4∗4B4∗4的右特征向量

4)选取k(如k=2)个大的特征值对应的特征向量,得到矩阵C4∗2C4∗2

5)对矩阵A3∗4A3∗4降维得到A′3∗2A3∗2′=A3∗4A3∗4*C4∗2