一 特征值和特征向量
想了解PCA和SVD,首先要了解的一个概念就是特征值和特征向量。 A是矩阵,x是向量、
是数。如果满足公式,则说
是矩阵A的一个特征值,非零向量x为矩阵A的属于特征值
的特征向量。矩阵A的特征值和特征向量可以写成以下格式,请注意。
为什么能把x叫做A矩阵的特征向量呢,其实矩阵乘向量可以理解成对向量进行旋转和拉长。当然并不是所有向量都可以被旋转,矩阵无法旋转的非零向量就是该矩阵的特征向量!!
举一个不恰当的例子,当你想描述一部手机的时候,你会描述电池、屏幕和品牌等等手机的特征。现在轮到矩阵了,当你想描述一个矩阵的时候,不妨从它的特征向量入手。(降维可以简单理解成当矩阵的某个特征向量对应的特征值很小很小的时候,就可以抛弃这个特征向量了。)
手机 | 矩阵 | |
特征1 | 电池(3000毫安) | x1( |
特征2 | 屏幕(4寸) | x2( |