PCA 将降低原始数据的维数并构建由特征向量生成的子空间，每个特征向量代表（下一个）最高方差来解释数据。

让我们从这个子空间开始：已经执行了 PCA，现在我们来看看相应的子空间：

现在让我们假设存在异常值（但具体在哪里）。现在如何检测到它们？

到目前为止，我知道有两种方法：

• 跟踪 PC 之间的角度（s ?）

• 检查电脑数量

我认为两者都不可靠，因为新的或更多的数据可能会在不提供异常值的情况下改变角度。轴的数量更有意义，但我仍然可以在脑海中构建新数据可能导致引入新轴的情况，而不会使那里的所有数据成为异常值。我想到了

• 使用距离/定义的半径来扫描新的异常值，但我几乎找不到相应的方法？上

• 为什么 PCA 对异常值敏感？解释了为什么它对异常值敏感，这也可以用作工具。

换句话说：PCA 究竟是如何用于检测异常值的，它们在执行 PCA后是如何检测的？