主成份分析 （Principal Component Analysis, PCA）常用於在低維空間空間表示高維資料，以達到維度縮減的功用，在資料科學實務上或能降低維度詛咒（the curse of dimensionality）所帶來的風險。想必大部分人在學習資料科學都會學到 PCA （而不是在多變量分析 🙁 ），而在某天我偶然得知關於 PCA 第一個 Principal Component （PC）的小秘密……但在那之前我們可能要一起複習一下背景知識。
眼鏡的重要性
好像還沒有跟任何人說過這個故事。
這一學期剛開始其實就有很深的感觸，選課變得自由許多，有些課變成線上課程之後，連每天要做什麼事都可以是一種選擇，又更自由。於是，所有的選擇都不再是盲從或是無知，而是大學生涯裡所有努力堆疊起來的視野，不就是想再看看某個領域更近一點、更廣一點，欲望變成對每個明天還能再學些什麼、做些什麼的期待，甚至明白每個今天都比每個昨天都還要學會更多事情，自由而富足。
閱讀全文〈眼鏡的重要性〉