主分量分析,用于高维数据降维或提取目标特征。程序精简，效率高.

1 基本概念 PCA即主成分分析技术。主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。 主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 2 原理与数学推导 1.主成分分析使用的是梯度上升法

PCA广义分析法降维，就是将高维度的数据降低到低维度空间，同时降维之后的数据又能够很好的表征原来数据的特性。

对于高维数据进行了相应的降低维度的操作，使得降低维度后的数据在保持足够精度的前提下更有利于处理

可直接使用，读取excel表格信息，降维后输出表格信息~