机器学习第十七讲：PCA → 把100维数据压缩成3D视图仍保持主要特征
资料取自《零基础学机器学习》。
查看总目录：学习大纲
关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeek R1本地与线上满血版部署：超详细手把手指南
主成分分析（PCA）是一种数据降维魔法师，能够在保留关键信息的前提下，把复杂数据"折叠"成更简单形式。就像用3句话总结一本小说核心情节\^5-4。下面通过超市顾客数据案例讲解：
一、核心思想（如同快递装箱）
假设要运输100件形状各异的货物（即100维特征），但只能用3个标箱打包：
杂乱货物 找出承载量最大的箱子 按重要性装箱
- 找主运输箱：选取能装最多货物的箱子（主成分1）
- 补充空隙：选与第一箱垂直的第二箱装剩余重要货物（主成分2）
- 反复叠加：直到装满3个箱子（主成分3），丢弃不重要的零碎物品\^5-4
类比说明：就像用"年收入+消费频率+健康指数"3个维度，就能代表原始30个消费行为特征的核心信息
二、实战步骤（用超市数据演示）
案例背景：超市有200个顾客的100维消费数据，包括：
- 生鲜购买频率
- 电子产品消费额
- 促销敏感度
- ...（共100项指标）\^5-4
原始100维数据 标准化处理 计算协方差矩阵 找出方差最大的方向 提取前3个主成分
-
特征标准化：消除量纲差异，让"购买次数"和"消费金额"可比（如同统一用公分和公斤替代市尺和市斤）\^4-1
-
寻找主方向：
- 第一主成分：解释最大方差的方向（如综合消费能力轴）
- 第二主成分：解释剩余方差且与第一正交（如消费偏好方向）
- 第三主成分：继续捕捉剩余重要信息（如促销敏感度）\^5-4
-
数据投影 ：
原始100维数据投影到3个主轴上，得到：
python# 转换后的数据示例 顾客A: [2.5, -0.8, 1.2] 顾客B: [-1.3, 0.7, 0.3]数字代表在三个主方向上的强度值
三、神奇效果（三维可视化）
压缩后的3D散点图能清晰展示客户分群：
X轴 综合消费能力 Y轴 品质偏好度 Z轴 价格敏感度
- 簇1（右上角）：高消费+爱品质+不差钱 → 重点维护客户
- 簇2（中部）：中等消费+促销敏感 → 精准营销目标
- 簇3（左下方）：低频消费+低单价 → 潜在流失客户\^5-4
生活场景：就像用身高/体重/体脂率3个指标代替50项体检数据，医生仍能判断健康状况\^5-4
四、应用场景与注意事项
优势场景：
- 高维数据可视化（如基因数据）
- 去除冗余特征（如相片去噪）
- 加速模型训练（减少计算量）\^5-4
使用注意：
- 主成分无实际含义（类似加密坐标）
- 会丢失部分细节信息
- 需要先标准化处理\^4-1
目录：总目录
上篇文章：机器学习第十六讲：K-means → 自动把超市顾客分成不同消费群体
下篇文章：机器学习第十八讲：混淆矩阵 → 诊断模型在医疗检查中的误诊情况
\^4-1《零基础学机器学习》第四章第二节特征标准化
\^5-4《零基础学机器学习》第五章第六节降维技术