主成分分析（PCA分析）

Question

＃R语言

大家好，我在进行主成分分析PCA可视化的过程遇到这么一个问题（不知道大家有没有遇到，解决方案是什么）：

1. 首先就是PCA分析是一个通过降维方式，把复杂的多维数据转化为我们容易看得懂的二维或者三维数据；

1. 但如果我本身的数据就是二维数据，那我有没有必要做PCA分析，我的答案是不需要，我们可能做一下简单的聚类分析就可以了，但我从网上找了很多相关的教程，都是用二维数据进行讲解，并且没有说明使用PCA分析之前，对数据的要求，这对像我这样的初学者有一定的误导性。虽然二维数据也可以进行PCA分析，我以前做的就是用二维数据，根据样本类别进行分类进行的PCA分析（那时候没考虑这么多），但有点画蛇添足了，PCA分析的本意就是降维分析，二维如果再进行降维成二维分析，我不敢想像样本数据会变成什么样，因此存在一些疑惑，二维数据进行的PCA分析还能不能用，还是说只能勉强能看，不能用？

Answer 1

【相关推荐】

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7470470
• 除此之外, 这篇博客: C语言实现八大排序算法详解及其性能之间的中的 这里需要对堆有一定的了解，堆就是一个比较特殊的完全二叉树，在最大堆里，每个节点的值都大于其左右两个孩子节点的值。这就是最大堆。反之就是最小堆。拿最大堆举例子，每次堆顶的元素值，不就是当前数列的最大吗？这不就成选择排序里的简单排序了吗？找完之后，将他和完全二叉树里最后一个结点的值进行交换，然后做一个自顶向下的自我调整，将他再次调整成一个完全二叉堆。第二次取最大的树，这时我们需要将上一次找到的结点屏蔽掉，不然会陷入一个死循环。无数次找完之后，再按层序的思想将二叉树里的数据遍历到一个数组当中，这时的数组为一个有序的数组。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  算法思想

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^