《Python机器学习》Sebastian Raschka著，机械工业出版社
定义
LR:给定一个自变量 和因变量
，拟合一条直线使得样例数据点与拟合直线之间的距离最短，最常用的是采用平均平方距离来计算。（P3）
PCA：在高维数据中找到最大方差的方向，并将数据映射到一个维度不大于原始数据的新的子空间上。（P77）
KPCA：通过非线性映射将数据转换到一个高维空间，然后在此高维空间中利用标准PCA将其映射到另外一个低维空间。（P92）
区别与联系
联系：都是降维
区别：
1、LR在纵轴方向上差的平方之和最小，PCA为垂直于向量方向上的差的平方之和最小。
2、KPCA非线性升维，之后等价于PCA