星星_品职助教 · 2020年01月05日
PCA的目的是降维，但这个“维”不用想的太复杂，可以简单理解为本来用100个变量做了个回归，但是这会使得模型太复杂了。所以降维降到用3个变量去解释。也就是“维”在这里可以简单等同于变量数量（不是很严谨，但是可以这么简单理解）。
降维的逻辑是将原有的特征变量进行线性组合后得到新的互不相关的综合变量。这种“组合”的方式可以理解为将原特征变量“映射”到特征向量上，也就是做了一个“投影”（projection）。做了多少个这种映射，就会有多少个PC，然后把这些PC从大到小排，一般排名前几个的PC（主成分）就可以解释大部分的原有信息了。
同样这个细节点也是了解即可。考试考到这么细的可能性几乎没有
