在使用PCA之前，需要进行 归一化和特征规范化

PCA和线性回归的本质区别
主成分分析最小化的是投射误差（ProjectedError），而线性回归尝试的是最小化预测误差。 主成分分析 是一种 无监督学习方法 ，线性回归 是一种 监督学习方法 ， 线性回归的目的是预测结果，而主成分分析不作任何预测，原始数据的所有特征属性在主成分分析中都是一样对待的。下图中，左边的是线性回归的误差（ 垂直于横轴投影 ），右边则是主要成分分析的误差（ 垂直于方向向量投影 ）。