数据计算和结果展示一直是数据挖掘领域的难点，一般情况下，数据都拥有超过三维，维数越多，处理上就越吃力。所以，采用降维技术对数据今夕简化一直是数据挖掘工作者感兴趣的方向。
对数据进行简化的好处：使得数据集更易于使用，降低很多算法的计算开销，去除噪声，使得结果易懂。
主成分分析法（PCA）是一种常用的降维技术。在PCA中，数据从原来的坐标系转换到了新的坐标系，新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴的选择和第一个坐标轴正交且具有最大方差的方向。
为什么选择最大方差的方向和方差的正交方向？
如果想要画出一条直线，使得条线要尽可能多的覆盖坐标轴中的点，在下图中的三条直线中，B直线为最大方差代表的直线，说明覆盖数据信息最多，C直线为B直线的垂线，它是覆盖数据次大差异性的直线。
PCA的优点：降低数据的复杂性，识别最重要的多个特征。
原文：http://www.cnblogs.com/zhq1007/p/4873256.html