Principal-Component-Analysis:该项目使用对sklearn的MNIST数据集进行的主成分分析演示了降维...

主成分分析 主成分分析是计算“主成分”并使用它们执行数据更改的过程。 这是一种非常流行的算法，通常在无监督学习中用于降维。 例如：-假设我有一个数据集，其中包含“ n”个维度的“ m”个数据点。 降维意味着对这些数据点进行转换，以使得对于小于n的所有k，它们现在具有缩小的“ k”维，而不会损失任何有价值的信息。 也可以定义为将数据点从n维数据空间投影到k维数据空间而不会丢失它们包含的信息。 这可以通过PCA来实现。 什么是主要成分？ 主成分可以定义为代表方向的向量，沿着这些方向可以最大化投影数据的方差。 可以通过本征分解等方法找出主要成分。 PCA的逐步说明 在PCA中完成以下步骤 假设我们有一个由m个示例和n个特征组成的数据集X，或者我们可以这样说，我们有m个维度为n个的数据点。 步骤1：计算X的协方差矩阵 为此，我们首先需要计算每列的平均值，即每个要素的平均值。 然后，我们计算