主要的步骤：
转载至：http://www.cnblogs.com/chenbjin/p/4200790.html?utm_source=tuicool&utm_medium=referral
1.数据中心化，均值为0，方差为1（目的：协方差矩阵表示的为方差，方差为1，消除量纲影响（由于最大化方差，主要针对量纲不同的数据），即为标准化）
2.求取xx的特征值和特征向量
3.排序特征值，进行筛选，从而筛选出相应的特征向量
4.标准化后数据乘以选出的特征向量（从而原始数据映射到低维度的空间）
5.为了将原始数据与降维后的数据进行比较，所以将降维后数据乘以选取的特征向量的逆+均值（如果前期是标准化的则应该乘以方差+均值），从而得到可以与原始数据进行对比的降维后的数据（选取了部分的特征）
特征向量表示映射的维度，特征值表示矩阵在特征向量方向下的拉伸大小，则可以理解为在该维度下的方差大小。或者按照力的分解的方式进行理解（自己理解的），特征值为在相应方向上（特征向量方向）力的大小。
sklearn中的PCA的调用：
http://blog.csdn.net/u012162613/article/details/42192293