Всем привет! Сразу признаюсь, что я немного обманываю вас в заголовке: взглядов будет не пятьдесят, а всего пять. Но, надеюсь, каждый из них окажется достаточно полезным, чтобы по-новому посмотреть на один и тот же метод.
Я люблю математические идеи, тождества и интуиции, которые неожиданно возникают при решении разных задач в разных областях. Когда одна и та же конструкция появляется в разных разделах математики при решении разных задач, это обычно означает, что перед нами не просто формальный шаг вывода или простой формульный трюк, а действительно важная идея.
PCA (Principal Component Analysis, метод главных компонент) - как раз такой случай. Это один из старейших и наиболее известных методов анализа данных. Его раннюю формулировку предложил Карл Пирсон в 1901 году, а позднее метод был развит Гарольдом Хотеллингом.
Статья вдохновлена курсом Geometrical Methods of Machine Learning, который читает в Сколтехе Александр Бернштейн.
