怎么区分特征向量和特征值？

詹惠儿

2018-12-10 阅读量: 867

怎么区分特征向量和特征值？

特征向量：它是一个非零向量，在矩阵乘法后保持平行。假设x是矩阵M的维数r的特征向量，如果Mx和x是平行的，则维度r * r。然后我们需要求解Mx = Ax，
其中x和A都是未知的，以获得特征向量和特征值。
在Eigen-Vectors下，我们可以说Principal组件显示变量的公共和唯一方差。基本上，它是以方差为中心的方法，旨在重现总方差和与所有组件的
相关性。主成分基本上是原始变量的线性组合，通过它们的贡献加权来解释特定正交维度中的方差。

特征值：它基本上被称为特征根。它基本上衡量了由该因子计算的所有变量的方差。特征值的比率是因子相对于变量的解释重要性的比率。如果因子很低那么它
对变量的解释贡献较少。简而言之，它测量由因子计算的总给定数据库中的方差量。我们可以将因子的特征值计算为所有变量的平方因子加载之和。

现在，让我们用Python理解Principal Component Analysis。