课上讲了常见的数据降维的方法PCA，感觉比较有用，再结合一下网上看到的比较新的方法，总结在这里吧。

常见的词汇

最近都只看英文，所以相关的很多词汇中文不太熟悉，以后面试内地的话不太好聊，先把中文翻译放在这里

rank of matrix：矩阵的秩

determinant：行列式

conjugate transpose：转置

orthonormal matrix：正交矩阵

similarity matrix：相似矩阵

diagonal matrix：对角矩阵

diagonal element：对角元素

Singular Value Decomposition (SVD)：奇异值分解 ：）

Eigen-Decomposition：特征分解

eigenvector：特征向量

eigenpair：特征值

Priciple Component Analysis (PCA) ：主成分分析

SVD (Singular Value Decomposition)

奇异值分解是一种提取特征值的很好的方法。公式如下：

A可以通过这样的方式分解，而当：rank（A）= r时，有如下：

U：左奇异向量

Σ：奇异值

V：右奇异向量

这个总是成立的如果U,V是正交矩阵并且Σ为对角矩阵并且所有元素降序非负