测试 图片

docs/13.利用PCA来简化数据.md

@@ -23,8 +23,8 @@
     * `通俗理解：就是找出一个最主要的特征，然后进行分析。`
     * `例如： 考察一个人的智力情况，就直接看数学成绩就行(存在：数学、语文、英语成绩)`
     * a.将数据从原来的坐标系转换到了新的坐标系，新的坐标系的选择是由数据本身决定的。
-    * b.第一个新坐标轴选择的是原始数据中方差最大的方向
-    * c.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。
+    * b.第一个新坐标轴选择的是原始数据中`方差最大`的方向
+    * c.第二个新坐标轴的选择和第一个坐标轴`正交(orthogonal)`且具有`最大方差`的方向。
     * d.该过程一直重复，重复次数为原始数据中特征的数目。
     * 我们会发现，大部分方差都包含在最前面的几个新坐标轴中。因此，我们可以忽略余下的坐标轴，即对数据进行了降维处理。
 * 2) 因子分析(Factor Analysis)
@@ -50,7 +50,11 @@
 * 缺点：不一定需要，且可能损失有用信息。
 * 适用数据类型：数值型数据。
 
+> 通过PCA进行降维处理，我们就可以同时获得SVM和决策树的优点：
 
+* 一方面，得到了和决策树一样简单的分类器，同时分类间隔和SVM一样好。
+* 例如下图：
+* ![应用PCA降维](/images/13.PCA/应用PCA降维.png)
 
 ## 3 对半导体数据进行降维处理