当前位置: 首页 > 数据分析师 > 数据分析师实战技能 > 数据分析师数据分析 > 特征向量与特征空间有什么区别?

特征向量与特征空间有什么区别?

发布时间:2020年09月28日 06:01:52 来源: 点击量:800

【摘要】事物的每个属性值,都是在一定范围内变化的,如:修改桌子高度一般在0 5米-1 5米范围内变化,宽度在0 6米-1 5米范围内变化,长度是1米-3米

事物的每个属性值,都是在一定范围内变化的,如:修改桌子高度一般在0.5米-1.5米范围内变化,宽度在0.6米-1.5米范围内变化,长度是1米-3米的范围内变化,则由这三个范围限度的一个三维空间就是桌子的特征空间。

归纳来说,我们讨论问题的特征向量可能取值范围的全体就是特征空间。


而特征向量,指对一个具体事物(样本)往往可用其多个属性来描述,因此,描述该事物用了多个特征,将这些特征有序地排列起来,如一个桌子用长、宽、高三种属性的度量值有序地排列起来,就成为了一个向量,这种向量就被成为特征向量,每个属性成为它的一个分量,或一个元素。

可见,如果把矩阵看作是运动,那么特征值就是运动的速度,特征向量就是运动的方向。

特征向量在一个矩阵的作用下作伸缩运动,伸缩的幅度由特征值确定。特征值大于1,所有属于此特征值的特征向量变长;特征值大于0小于1,特征向量缩短;特征值小于0,特征向量缩过了界,反方向到原点那边去了。
 
其实,特征值和特征向量在我们的生活中,也非常普遍。

(1)可以用在研究物理、化学领域的微分方程、连续的或离散的动力系统中。例如,在力学中,惯量的特征向量定义了刚体的主轴。惯量是决定刚体围绕质心转动的关键数据;

(2)数学生态学家用来预测原始森林遭到何种程度的砍伐,会造成猫头鹰的种群灭亡;

(3)著名的图像处理中的PCA方法,选取特征值最高的k个特征向量来表示一个矩阵,从而达到降维分析+特征显示的方法,还有图像压缩的K-L变换。再比如很多人脸识别,数据流模式挖掘分析等方面。

(4)在谱系图论中,一个图的特征值定义为图的邻接矩阵A的特征值,或者(更多的是)图的拉普拉斯算子矩阵,Google的PageRank算法就是一个例子。

分享到: 编辑:wangmin

就业培训申请领取
您的姓名
您的电话
意向课程
点击领取

环球青藤

官方QQ

扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群

绑定手机号

应《中华人民共和国网络安全法》加强实名认证机制要求,同时为更加全面的体验产品服务,烦请您绑定手机号.

预约成功

本直播为付费学员的直播课节

请您购买课程后再预约

环球青藤移动课堂APP 直播、听课。职达未来!

安卓版

下载

iPhone版

下载
环球青藤官方微信服务平台

刷题看课 APP下载

免费直播 一键购课

代报名等人工服务

课程咨询 学员服务 公众号

扫描关注微信公众号

APP

扫描下载APP

返回顶部