如何解决为什么执行PCA时本征向量和本征值的计算如此有效?
主成分分析(PCA)的核心在于根据与某些数据集相对应的方差-协方差矩阵(例如,来自一组个人的多元数据矩阵)来计算特征值和特征向量。我所拥有的教科书知识是:
a)通过将这些特征向量与原始数据矩阵相乘,可以计算出彼此独立的“得分”(多达原始变量集)
b)特征值总结每个分数的方差量。
这两个属性使该过程成为一种非常有效的数据转换技术,可简化对多元数据的分析。
我的问题是为什么会这样?为什么从协方差-方差矩阵计算特征值和特征向量会导致得分具有如此独特的性质?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。