PCA要对数据进行预处理的原因
1.将数据进行中心化的原因：减去均值等同于坐标移动，这样就能把原始数据点的中心移到与原点重合，此举有利于很多表达，比如数据的协方差矩阵可以直接写成XX'，若没有减去均值，则每两个特征之间都要进行(X-X均值)（Y-Y均值）运算，再组合成协方差矩阵。2.将数据除以标准差的原因：除以标准差是为了统一并消除量纲。一个样本中有多个特征，有些可能表示长度，有些可能表示重量。如果各个特征之间的数值或数量级存在较大差异，就会使得较小的数被淹没，导致主成分偏差较大。所以要将每个特征对应的样本除以标准差，这样才能让他们仅以“数的概念一起比较运算”。简言之---除以标准差的作用：去掉量纲，将不同量纲的数据拉伸至同一水平。公平比较。
https://www.jianshu.com/p/ae9db78ebb0f
使用z-score 标准化(zero-meannormalization)也叫标准差标准化，减去均值再除以数据的标准差，处理后数据符合标准正态分布，均值为0，标准差为1。
R函数：scale(data, center=T/F, scale=T/F)或者scale(data)参数：center (中心化)将数据减去均值参数：scale (标准化)在中心化后的数据基础上再除以数据的标准差参数center scale的默认值都是T
https://www.jianshu.com/p/8994afcaa757