主成分分析法 PCA 是什么
主成分分析法（Principal Component Analysis，簡稱PCA）是一種數據降維與特征提取方法，核心思想是通過線性變換將高維數據映射到低維空間，在盡可能保留原始數據“信息量”（即方差）的同時，減少數據維度，消除特征間的相關性。
主成分分析法（PCA）是一種通過線性變換將高維數據映射到低維空間的降維方法，核心是保留數據中方差最大的方向（主成分），在減少維度的同時保留主要信息。
一、舉例說明計算過程（以二維數據降維到一維為例）
假設我們有3個樣本的二維數據（比如“語文成績”和“數學成績”）：
樣本數據：X=[123456]\mathbf{X} = \begin{bmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{bmatrix}X=
