问问题描述
特征值和解释方差，急求答案，帮忙回答下
答精选答案
大学学习线性代数的时候，特征值（eigenvalue）和特征向量（eigenvector）一直不甚理解，尽管课本上说特征值和特征向量在工程技术领域有着广泛的应用，但是除了知道怎么求解特征值和特征向量之外，对其包含的现实意义知之甚少。
研究生之后学习统计学，在进行主成分分析过程中，需要求解变量的协方差矩阵的特征值和特征向量，并根据特征值的大小确定主成分，似乎知道了特征值和特征向量的一点点现实意义，但是本着考试为主的态度，没有深入进去理解特征值和特征向量。最近看机器学习的一些方法，如特征降维方法如SVD和PCA，线性判别法（Linear Discriminant Analysis，LDA）等方法的时候都涉及到特征值和特征向量，发现如果不深入理解特征值和特征向量，对这些方法的学习只能浮于表面，难以透彻理解。痛定思痛，决定由表及里好好的学习一下特征值和特征向量，
本文来自作者[雨树]投稿，不代表公众科技网立场，如若转载，请注明出处：https://www.cpst.net.cn/zhuanyexuanze/202609/946843.html
评论列表（4条）
我是公众科技网的签约作者“雨树”！
希望本篇文章《特征值和解释方差》能对你有所帮助！
本站[公众科技网]内容主要涵盖：教育咨询,知识百科
本文概览：大学学习线性代数的时候，特征值（eigenvalue）和特征向量（eigenvector）一直不甚理解，尽管课本上说特征值和特征向量在工程技术领域有着广泛的应用，但是除了知道怎么求解特征值和特征向量之外，对其包含的现实意义知之甚少。研究生之后学习统计学，在进行主成分分析过程中，需要求解变量的协方差矩阵的特征值和特征向量，并根据特征值的大小确定主成分，似乎知道了特征值和特征向量的一点点现实意义，但是本着考试为主的态度，没有深入进去理解特征值和特征向量。最近看机器学习的一些方法，如特征降维方法如SVD和PCA