关于PCA（特征降维）的特征值，特征向量的理解

之前学习pca这点地方时，一直不太理解为什么特征降维需通过“ Aa=λα ”来计算，在网上也看了很多资料，现在来说一说我自己的理解：

当然我的理解也是建立在别人的博文之上的，推荐一篇博文  https://blog.csdn.net/a727911438/article/details/77531973    （是关于介绍矩阵、向量、行列式、特征值与特征向量的），再次对此博主表示感谢。

  现在我就关于特征值与特征向量在特征降维时该怎么理解补充几点：

1）将矩阵向量化：把一个样本具有n个维度（x1, x2,x3....Xn）的特征想象成一个在n维空间，由x1,x2,x3...表示的一个有向线段，这个有向线段是由这n个点描绘出来的（可以通过二维空间想象，二维空间是通过（x1,y）描绘一个有向线段）；

2）a为列向量（a1,a2,a3...），可以看成是每个特征值前面的系数；

3）Aa表示成方程就是a1x1+a2x2+a3x3+....，用一个变量y去接收这个这个值，则 y=a1x1+a2x2+a3x3+....,这个表达式的意义是：y被x1，x2,...线性表示了，（线性表示就是两个变量之间能够用一次方程去表示，千万不要把线性表示想象成一条直线了，其实直线和线性表示没有任何关系，只是在二维空间，两个变量的线性表示的图形为一条直线，在n维空间具体是什么形状，我也不知道。。。。），而这个线性表示的系数就是（a1,a2,a3...）

4）此时定义一下A为n*m，则A有n行，m列，与a经过平行四边形法则相乘之后会得到一个新的向量，即y = （y1,y2,y3....），同时这个向量又可以用刚才的a向量乘以一个数λ得到，即y与a共线，即y=λa

5）具有以上 Aa=λα 特性的a叫做特征向量，因为这个a是这个n维空间的一个代表，所以叫特征向量吧，而λ就是特征值