4.1.2 主成分分析 (Principal Component Analysis, PCA)

文档摘要

4.1.2 主成分分析 (Principal Component Analysis, PCA) 4.1.2 主成分分析 (Principal Component Analysis, PCA) 在光谱数据处理和分析中，我们经常面对高维度的数据集。一个典型的光谱可能包含数百甚至数千个波长点，每个样本对应一个如此高维度的向量。这种高维度数据带来了诸多挑战，包括计算负担重、可视化困难、存在共线性和冗余信息，以及信噪比可能较低。主成分分析 (PCA) 作为一种强大的无监督线性降维技术，在光谱 EDA 中扮演着至关重要的角色，它能够有效地应对这些挑战。什么是 PCA？ PCA 的核心思想是将原始的高维数据投影到一个新的低维空间中，同时最大化保留数据中的方差信息。