摘要：
主成分分析（PCA）的主要作用是降低数据的维度，提取其主要特征，因为现实中很多数据都是很稀疏的，通过提取主要特征过滤噪音发现其潜在的规律；核函数表示了两个数据之间的相似性。那么这两者之间存在什么样的关系？直观上理解，PCA和核侧重的是两个相反的方向，下面给出解释。考虑下面的高斯核，,x,y代表了两个数据点，j代表了数据的不同特征，D是特征数此时协方差矩阵为对角矩阵，当不是对角矩阵的时候，可以通过相似变换到一个对角矩阵。由以上可知，如果,那么相应的维度等于0,从而可以忽略掉，因为加上一个0不会改变原来的值，我们更关心方差较小的那些特征。另一方面，从PCA的角度考虑，如果，说明数据在该特征上区分度 阅读全文
