我們在進行數據分析時，往往會發現數據具有很多種屬性，比如某類型餅干的口味、加工方式、保質期、價格、購買人群等等。每一種屬性就代表該數據在某一維度上的數值。多維度的數據無疑會增加數據的準確性與可靠性，但也給我們的計算帶來麻煩。

主成分分析(Principal Component Analysis,PCA)是一種常用的數據分析方法，通常用于提取數據的主要特征分量，從而完成對高維數據進行降維的過程。

PCA對數據的降維不是簡單的維度挑選，而是將m維的數據映射到n維上(n<m)，并且保證得到的n維數據仍能準確表示原數據特征。

例如現在我們的數據如下圖所示，x1，x2代表原數據的兩個維度。這時候我們看圖像，也不好說x1，x2哪個特性更能代表數據特征。

總結

以上是生活随笔為你收集整理的MATLAB实战系列（二十七）-数据预处理-PCA主成分分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。