Principal Component Analysis
算法优缺点：
- 优点：降低数据复杂性，识别最重要的多个特征
- 缺点：不一定需要，且可能损失有用的信息
- 适用数据类型：数值型数据
算法思想：
降维的好处：
- 使得数据集更易使用
- 降低很多算法计算开销
- 去除噪声
- 使得结果易懂
主成分分析（principal component analysis，PCA）的思想是将数据转换到新的坐标系，这个坐标系的选择是由数据本身决定的，第一维是原始数据中方差最大的方向，第二个是与第一维正交且方差最大的，一直重复。。。
主成分分析中使用数据集的协方差矩阵和特征值分析来获得。
函数：
pca(dataMat, topNfeat=999999)
由于主成分分析基本上可以说是算个矩阵的问题，而numpy在这方面又帮我们做好了，所以函数很简单，就是先去平均值，然后计算协方差矩阵和其特征值，最后选出最大的topNfeat个，最后用这些特征向量将源数据转到新的空间。当然使用的时候有两种方式，一种是跟限定个数，另一种则是通过数据压缩比来完成的。