一：為什么要去量綱
表征相同屬性（單位不同）的各特征之間才有可比性，如1cm?與 0.1kg?你怎么比搏予？
二：什么是去量綱
量綱：衡量一個屬性的單位熊锭，比如：米，千克等；
去量綱：去除該屬性單位帶來的影響碗殷，使得該屬性成為一個單純的數(shù)精绎，或者使得所有的屬性的單位變?yōu)椤?”⌒科蓿總之就是統(tǒng)一單位的過程
三：使用PCA到底需不需要去量綱呢代乃？
我們先看看PCA的原理
PCA有個規(guī)則就是：使得新數(shù)據(jù)集中各屬性之間沒有相關性。
（1）當：各個屬性單位相同時（比如仿粹，都是kg襟己，都是米）這時候，各個屬性是可比較的牍陌。因此直接求屬性與屬性之間的協(xié)方差即可擎浴。原本協(xié)方差的大小并不說明相關程度（協(xié)方差只表示正相關還是負相關），但是在單位相同時候毒涧，我們可以認為協(xié)方差越大贮预，相關性越大。
（2）當：各個屬性單位不同時契讲，（比如仿吞，一個是kg，一個是米）這個時候捡偏，由于單位不同唤冈，協(xié)方差不表示相關程度，這時候银伟，我們就要使用相關系數(shù)來進行描述你虹。
相關系數(shù)的公式：（其中除以標準差就是一種去量綱的方式）
因此：相關系數(shù)也可以看成協(xié)方差：一種剔除了兩個變量量綱影響、標準化后的特殊協(xié)方差彤避，它消除了兩個變量變化幅度的影響傅物，而只是單純反應兩個變量每單位變化時的相似程度。
寫到這里琉预，相信大家已經(jīng)明白了董饰，使用PCA到底需不需要去量綱了~。
四：去量綱方法
參考博客：https://blog.csdn.net/OnTheWayGoGoing/article/details/79871559
一共有三種常用的去量綱的方法：
（1）min-max歸一化（2）z-score標準化（3）Normalization
這里我不想搬運了圆米，大家自己去看看鏈接的內容即可卒暂。這里我主要解釋一下這一句話：
這句話的意思是，如果我認為原始數(shù)據(jù)中娄帖，某一個屬性標準差越大也祠，表示這個屬性變化大，那么這個屬性就越重要块茁。
這句話很繞啊齿坷，乍一看.....這不就是說的協(xié)方差矩陣的對角線么桂肌？協(xié)方差矩陣對角線上的元素就是方差（標準差的平方）。再乍一看......PCA不就是通過方差的大小判斷是不是主要成分么永淌？那是不是意味著崎场，在PCA中去量綱應該使用min-max歸一化？
答案是~~~NO遂蛀。在PCA中去量綱谭跨，我們還是應該使用z-score標準化，其實在我上面這句話中李滴，給埋了一個坑
”PCA是通過方差大小判斷是不是主成分“這句話沒錯螃宙，但是他是根據(jù)變換后的新數(shù)據(jù)集方差大小判斷的，而我們去量綱時候所坯，處理的是原數(shù)據(jù)集谆扎，而且忘了相關系數(shù)了么~~使用min-max去量綱后，計算的屬性與屬性之間的協(xié)方差芹助，是沒有數(shù)學意義可以說明能表示相關性大小的喔（至少我沒找到）堂湖。
五：總結
當數(shù)據(jù)各個屬性的單位不同時候，使用PCA是需要去量綱的状土，而且去量綱的方法應該選用z-score標準化（減去均值之后除以方差）无蜂。
