PCA是一种降维算法，有助于减少数据的维数。 我还没有理解的是PCA给出了降序的特征向量输出，如PC1，PC2，PC3等。所以这将成为我们数据的新轴。
我们可以在哪里应用这些新轴来预测测试集数据？
我们实现了从n到n-k的维数减少。
答案 0 :(得分：1)
PCA的想法是将维数减少到由具有最大方差的n-k个特征向量创建的子空间，从而导致映射到新子空间的数据中的最大方差。
此外，可以使用PCA来降低您的维度，而无需了解您的训练数据类别，这意味着它无人监督。
如果你知道训练数据的类，另一个选择是使用LDA，它试图找到最大化类间变化的特征空间。
希望这有帮助