PCA中，求協方差矩陣特徵分解的意義?

最近在研究主成分分析 (PCA)，發現其原理需要對協方差矩陣進行特徵分解

有點卡在下面幾點:

1. 矩陣 (或協方差矩陣) 的特徵值與特徵向量 有何意義?

2. 為甚麼協方差矩陣的最大特徵值, 其對應的特徵向量剛好會是一個軸 (能使數據方差最大)?

Pca会用就行了吧。。。

要回答这个问题得从原理上面讲，一大堆东西，贴个详细解释你自己看吧

详细推导PCA算法 - 知乎 本文主要思路如下： 1 PCA优化目标PCA（主成分分析）是一种数据降维的方法，即用较少特征地数据表达较多特征地数据（数据压缩，PCA属于有损压缩）。PCA推导有两种主要思路： 最大化数据投影后的的方差（让数据更分… https://zhuanlan.zhihu.com/p/55297233