PCA主成分分析是将多维数据按照主成分降维的一种方法。PCA的主要流程是：
（1）获取数据矩阵。这些数据的维度要保持相同（如果是图片的话，那图片的尺寸保持相同）。
（2）对数据进行中心化处理。计算出每个维度的均值，得到一个均值向量，用数据矩阵减去此向量，这样就完成了中心化处理。
（3）计算协方差。用第二步求得的中心化处理后的数据矩阵做协方差。
（4）求协方差的特征值和特征向量。并且按照特征值从大到小排序，对应的特征向量也相同排序。
（5）用前几个特征向量组成变换矩阵W,然后降维操作就是用W乘以数据矩阵，得到了低维度的数据。
重构就是用变换后的数据乘以W的转置，得到之前的原始数据。
实验结果：
特征值从大到小排序：
人脸重构：
文章出处登录后可见！
已经登录？立即刷新