1. PCA的原理理解
PCA 要求原始数据经过新的线性变换，尽可能保留原始数据大部分的信息；PCA的变化要求，找到一组新的基（基之间内积为0，且为了计算方便，这组基经过标准化，即为标准正交基），进行变换，将原始数据投影到新的基上，进行变换，为了保留原始数据大部分的信息，因此希望投影尽可能分散；故越分散，保留原始数据信息越多；
与此同时，越分散，导致这个主成分内部，方差越大；因此方差越大的主成分保留原始数据信息越多，故根据方差从大到小选出第一大主成分、第二大主成分，。。。。。。
2.PCA构建协方差矩阵、相关系数矩阵？
3.PCA最后的形式，步骤
总结一下PCA的算法步骤：
设有m条n维数据。
1）将原始数据按列组成n行m列矩阵X
2）将X的每一l列（代表一个属性字段）进行零均值化，即减去这一列的均值
3）求出协方差矩阵
4）求出协方差矩阵的特征值及对应的特征向量
5）将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P
6）即为降维到k维后的数据
来源：CSDN
作者：滴水-石穿
链接：https://blog.csdn.net/sinat_34971932/article/details/103381603