PCA ищет ортогональные направления максимальной дисперсии и проецирует данные в пространство меньшей размерности, сохраняя как можно больше вариации X.
Разбор
- Сжимает коррелированные признаки.
- Не использует метки y.
- Компоненты — линейные комбинации.
- Нужна стандартизация разномасштабных фич.
Итог
PCA — линейное сжатие по дисперсии признаков.