1、降维，对数据简化的原因
- 使得数据集更加容易使用
- 降低很多算法的计算开销
- 去除噪音
- 使得结果易懂
2、三种降维技术，PCA是目前应用最广泛的
1）主成分分析（principal Component Analysis，PCA）
- 通俗理解：就是找出一个最主要的特征，然后进行分析。
- 例如： 考察一个人的智力情况，就直接看数学成绩就行(存在：数学、语文、英语成绩)
2）因子分析（Factor Analysis）
- 通俗理解：将多个实测变量转换为少数几个综合指标。它反映一种降维思想，通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。
- 例如： 考察一个人的整体情况，就直接组合3样成绩(隐变量)，看平均成绩就行(存在：数学、语文、英语成绩)
3）独立成分分析（Independ Component Analysis，ICA）
- 通俗理解：ICA认为观测信号是若干独立信号的线性组合，ICA要做的是一个解混过程。
- 例如：我们去ktv唱歌，想辨别唱的是什么歌曲？ICA 是观察发现是原唱唱的一首歌【2个独立的声音（原唱／主唱）】。
- ICA 是假设数据是从 N 个数据源混合组成的，这一点和因子分析有些类似，这些数据源之间在统计上是相互独立的，而在 PCA 中只假设数据是不 相关（线性关系）的。
- 同因子分析一样，如果数据源的数目少于观察数据的数目，则可以实现降维过程。