PCA 是经典无监督降维方法，通过线性变换将数据投影到新坐标系，使方差最大化。 工作原理 数据中心化：去掉每个特征的均值 协方差矩阵：计算特征间的相关性 特征分解：得到特征向量（主成分）和特征值（方差） 选择主成分：选取最大特征值对应的特征向量 投影数据：将原始数据投影到选定的主成分上 应用 图像压缩 特征选择 数据可视化 去噪处理