【关键词：数据降维，PCA】

PCA(Principal Components Analytics)重要数据的定位分析:

详细讲解PCA的博客

意义：取最能表现数据趋势的一些数据。

方法：

找出最能体现数据(variance)的数据。忽略其它

1. 画出两个维度的拟合直线，L1，L2

2. 分析数据与L1,L2的 variance(可以简单的计算）

   
   
   PCA

3.如果一条拟合直线对于variance没有过多的影响，即可以将此维度去除忽略。

Generalization（概括来进行PCAReduction）:一种以相关度排序的方法，用来Reduce Dimention

X1, X2, X3, … Xp, original pvariables
Z1, Z2, Z3, … Zp, weighted averages of original variables
All pairs of Z variables have 0 correlation
Order Z’s by variance (z1 largest, Zp smallest)
Usually the first few Z variables contain most of the information, and so the rest can be dropped.

Normalizing data（规范化数据）

规范化数据

Regression-Based Dimention Reduction

� Multiple Linear Regression or Logistic Regression
� Use subset selection
� Algorithm chooses a subset of variables
� This procedure is integrated directly into the predictive task