主成分分析（PCA）

主成分分析（PCA） 降维 PrincipalComponents Analysis 协方差矩阵
PCA的思想是将维特征映射到维上，这维是全新的正交特征。这维特征称为主元，是重新构造出来的维特征。
在 PCA 中，数据从原来的坐标系转换到新的坐标系下，新的坐标系的选择与数据本身是密切相关的。
其中，第一个新坐标轴选择的是原始数据中方差最大的方向，
第二个新坐标轴选取的是与第一个坐标轴正交且具有最大方差的方向，依次类推，我们可以取到这样的个坐标轴
PCA 针对的是 feature extraction ，而不是 feature selection
https://blog.csdn.net/huangfei711/article/details/78663474 主成分分析（PCA）一次讲个够
https://blog.csdn.net/wz125/article/details/53650213 PCA （主成分分析）详解 （写给初学者）

相关系数矩阵

随机森林

SVD 奇异值分解