数据分析面试机器学习总结：PCA主成分分析常见面试题汇总

阅读前请注意此处 👉：博主目前正处于数据分析学习阶段，本博客主要记录了学习过程中的部分心得与总结，也期待能与各位共同成长。在撰写过程中，难免存在诸多疏漏与不足之处，若发现任何问题，欢迎私信博主进行指正。
博客链接：天阑之蓝的博客，在学习过程中难免会遇到困惑与迷茫，希望大家能够在这一阶段不断认可自我、突破自我，最终实现自我价值。

目录

• • 1.PCA定义
    • 2.PCA具体计算步骤
    • 3.降维之后的维度怎么确定
    • 4.降维的必要性
    • 5.降维的目的：
    • 6.给你一个数据集。该数据集包含很多变量，你知道其中一些是高度相关的。经理要求你用PCA。你会先去掉相关的变量吗？为什么？
    • 7.在PCA中有必要做旋转变换吗？如果有必要，为什么？如果你没有旋转变换那些成分，会发生什么情况？
    • 8.PCA为什么要用协方差矩阵的特征向量矩阵来做投影矩阵呢？
    • 9.PCA 算法总结

1.PCA定义与核心概念

PCA是一种较为普遍的线性降维手段，其核心原理是通过线性投影的方式将高维数据转换至低维空间，目标在于在所投影的维度中，使新生成的特征具有尽可能大的方差，因为方差越高意味着特征信息越丰富，同时应**尽量降