PCA算法的主要步驟是：
（1） 對(duì)向量X進(jìn)行去中心化

（2） 計(jì)算向量X的協(xié)方差矩陣，自由度可以選擇0或1

（3）計(jì)算協(xié)方差矩陣的特征值和特征向量

（4）選取最大的k個(gè)特征值及其特征向量

（5）用X與特征向量相乘

python實(shí)現(xiàn)：

from sklearn.datasets import load_iris

import numpy as np

def pca(X, k):

? ? X = X - X.mean(axis=0)

? ? X_cov = np.cov(X.T, ddof = 0)

? ? eigenvalues, eigenvectors = eig(X_cov)

? ? klarge_index = eigenvalues.argsort()[-k:][::-1]

? ? k_eigenvectors = eigenvectors[klarge_index]

? ? return np.dor(X, k_eigenvectors.T)

? ? iris = load_iris()

? ? X = iris.data

? ? k = 2

? ? X_pca = pca(X, k)