作者：Vidal, René, Ma, Yi, Sastry, S.S. 2016年新书。据作者说：研究 unsupervised learning，从一百多年前的PCA讲到压缩感知，知识纵跨上百年。横跨代数几何，数理统计，高维数据处理，优化算法。而应用更涉及科学和工程各个领域，是数据科学的入门基础

使用PCA，对单图像提取主成分分析，达到图像降维的目的，可以学习如何使用OpenCV实现PCA技术。

情感分类 情感分类是情感分类的项目。（以Yelp审查为输入） 资料资源 什么是新的 3.1 探索其他数字特征（而不是仅文本） 利用“有用”信息（由yelp提供的属性）进行weighted samples实验 使用“均值”处理缺失值 2.4 伯特转移学习 建立和调整bert模型。 可视化数据分配 2.3 改变表达句子向量的方式 建立和调整LSTM模型。 2.2 建立和调整LinearSVC模型。 建立和调整BernoulliNB模型。 建立和调整MLPClassifier模型。 建立和调整LogisticRegression模型。 建立和调整DecisionTree模型。 2.1 使用W2F创建情感分类 训练word representation模型 使用TSNE和PCA探索单词表示 1.1 使用tf-idf创建情感分类 建立和调整LinearSVC模型。 建立和调

PCA-6010VG主板集成网卡在Windows2000下的驱动

kMeans_PCA 在sklearn乳腺癌数据集上包含k-Means和PCA的原始代码

基于MATLAB编写的PCA面部识别代码，很有参考和移植价值

STC15系列单片机定时器阵列PCA库函数源码

为了对坐姿下的几种行为进行识别，在分析常有坐姿的基础上，提出了通过PCA对八种不同姿势进行分类识别的方法。结合背景帧信息通过背景轮廓消减法提取运动目标区域，利用肤色在YCbCr空间聚集在一片固定区域且在CbCr平面上投影为一个近似椭圆的特性，在运动目标区域提取肤色区域，并对检测出的肤色灰度图进行PCA运算，实现了姿势识别。实验结果表明，所提出的利用PCA进行姿势识别的方法正确率达到84.92%，能够准确地识别坐姿行为，并且对运动阴影、光线变化具有良好的鲁棒性。

基于主成分分析（PCA）和反向传播神经网络，建立库存预测模型，以云南白药（000538）为例，从库存技术分析中选择29个指标，降维后输入神经网络。通过对不同参数数据实验中均方误差（MSE）和均方绝对误差（MAE）的比较和分析，进一步确定网络的隐层节点数量，学习速率，激活功能和训练功能。 最后，获得了具有稳定性和准确性的模型。

此示例说明主成分分析如何与奇异值分解相关。