PCA主成分分析的应用（你在生活中能用到吗？）

如果你对主成分分析背后的数学原理感兴趣，可以查看主成分分析的数学原理推导（涉及统计学和线性代数内容）.

首先简单回顾一下主成分分析的用处是什么？简单点说，当我们面对一大堆变量无从下手时，可以利用主成分分析这个有力工具构建一个或少数几个新变量，使得这个或这些新变量可以最大程度的反映原变量的变化。

为了加深理解，在这里举一个具体的例子。假如你是一家公司的HR，你需要从很多申请者中挑选出最佳的候选人. 不妨设1000个人中，挑选出一个人. 这个是一项十分具有挑战性的工作，虽然你可能已经把范围缩小到十个人，但是这十个人各有千秋，难分伯仲，你很难决定. 这时候你想起了数学，既然我选不出来，就让数学去选吧. 于是，你拿起笔开始给每一个人打分，分了七八个指标，比如学历，实习经历，领导力，沟通能力等等.

但是你卡在了最后一步，每个人都有七八个分数，把这七八个分整合成一个分数难住了你. 你本来想的是给每一个指标一个权重，加起来求和就可以了，但是你又想到如果主观地给权重，我还要用数学搞这一套干嘛. 怎么才能客观的给一个权重呢？这时候主成分分析就出场了. 因为这十个人实力十分接近，所以给的权重要尽量的把这十个人区分开来。这和高考一样，高考命题的其中一个目的就是把学生区分开来. 而恰恰主成分分析就是构建一个新变量（第一主成分），并且使得这个新变量的方差达到最大. 于是你利用主成分分析，很快搞了一套权重，然后得到每个人的分数，一目了然.

需要指出的是，主成分分析可