深入理解PCA与SVD的关系
一、主成分析PCA1、所解决问题给定 $m$ 个 $n$ 维样本$X=\{x_0,x_1,…,x_m\}$ ,通过变换 $y=Px$ (其中 $P_{k\times n}$ 为变换矩阵),将样本 $(x_i)_{i=0,…,m}$ 从 $n$ 维降到 $k$ 维 $(y_i)_{i=0,…,m}$
...
In me the tiger sniffs the rose.