Karena vektor eigen menunjukkan arah komponen utama (sumbu baru), kami akan mengalikan data asli dengan vektor eigen untuk mengarahkan kembali data kami ke sumbu baru. Data yang diorientasikan ulang ini disebut skor.
Apa yang dikatakan vektor eigen kepada kita?
Jawaban Singkat. Vektor eigen membuat memahami transformasi linier mudah. Mereka adalah "sumbu" (arah) di mana transformasi linier bertindak hanya dengan "meregangkan/menekan" dan/atau "membalik"; eigenvalues memberi Anda faktor-faktor yang menyebabkan kompresi ini terjadi.
Apa yang ditunjukkan oleh vektor eigen di PCA?
Vektor eigen dan nilai eigen dari matriks kovarians (atau korelasi) mewakili "inti" PCA: Vektor eigen (komponen utama) menentukan arah ruang fitur baru, dan nilai eigen menentukan besarnya.
Mengapa kita menggunakan vektor eigen?
Nilai eigen dan vektor eigen memungkinkan kita untuk "mengurangi" operasi linier untuk memisahkan, lebih sederhana, masalah Misalnya, jika tegangan diterapkan pada padatan "plastik", deformasi dapat dibedah menjadi "arah prinsip"- arah di mana deformasi terbesar.
Apa perbedaan antara nilai eigen dan vektor eigen?
Vektor eigen adalah arah di mana transformasi linier tertentu bekerja dengan membalik, mengompresi, atau meregangkan. Nilai eigen dapat disebut sebagai kekuatan dari transformasi dalam arah vektor eigen atau faktor terjadinya kompresi.
