主成分分析法 PCA 是什么
主成分分析法（Principal Component Analysis，简称PCA）是一种数据降维与特征提取方法，核心思想是通过线性变换将高维数据映射到低维空间，在尽可能保留原始数据“信息量”（即方差）的同时，减少数据维度，消除特征间的相关性。
主成分分析法（PCA）是一种通过线性变换将高维数据映射到低维空间的降维方法，核心是保留数据中方差最大的方向（主成分），在减少维度的同时保留主要信息。
一、举例说明计算过程（以二维数据降维到一维为例）
假设我们有3个样本的二维数据（比如“语文成绩”和“数学成绩”）：
样本数据：X=[123456]\mathbf{X} = \begin{bmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{bmatrix}X=
