我最近阅读了PCA(主成分分析)并了解了如何降维。当我们只需要一维时，我们选择与最大特征值相对应的特征向量，但如果需要多于一维，那么我应该采用与最大特征值相对应的特征向量吗？
最佳答案
主成分分析 (PCA) 是一种统计技术，它执行正交变换，将一组可能相关变量的观测值转换为一组称为主成分的线性不相关变量值。
PCA变换后的分量数量等于变量数量。这种变换的定义方式是，第一个主成分具有最大可能的方差(即，它尽可能多地解释数据的变异性)，并且每个后续成分依次具有在该主成分下可能的最高方差。约束它与前面的分量正交。所得向量是不相关的正交基组。
一般来说，人们会选择能解释 99% 方差的分量，这比变量总数要少得多。
引用文献:
https://stats.stackexchange.com/a/140579/86202
http://scikit-learn.org/stable/modules/decomposition.html#pca
关于image-processing - 如何使用主成分分析选择多个维度，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41973223/