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。
“All models are wrong, but some are useful”
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。