🔑 名詞卡
PCA（Principal Component Analysis，主成分分析）
🎯 定義
非監督式學習中最典型的降維演算法，透過線性變換將高維數據壓縮到低維空間，同時保留數據的主要訊息，有助於減少冗餘數據並提高計算效率。
應用
- 圖像壓縮：有效減少數據量，實現高效儲存和傳輸。
- 基因數據分析：提取最具代表性的特徵，幫助發現潛在的基因表達模式。
- 特徵選擇與降維流程中的常用降維方法。
易混淆
- vs K-Means：PCA 做降維（壓縮特徵維度），K-Means 做聚類（分群）。
📖 課文原文「PCA 透過線性變換，將高維數據壓縮到低維空間，同時保留數據的主要訊息，有助於減少冗餘數據並提高計算效率。」