回答

1

大多數載體攜帶一些信息在其中。所以任何矢量都可以完成這項工作(事實上,由於複雜性,我們通常只計算近似特徵向量)。

特徵向量具有保持大部分方差的好特性,即強特徵向量具有最多信息,而最後的特徵向量可能對於較早特徵向量完全是多餘的。

爲了降低維度,您希望儘可能少地使用盡可能多的信息。所以PCA/SVD是一個合理的選擇。

但也有基於隨機預測的降維技術。

+0

爲什麼特徵向量解釋了矩陣中最多的變異 – Rajan 2014-10-13 12:35:03

+0

這就是PCA投影的定義,其中第一分量具有最大方差。參見Jolliffe I.T. Principal Component Analysis,Series:Springer Series in Statistics,2nd ed。,Springer,NY,2002,XXIX,487 p。 28 illus。 ISBN 978-0-387-95442-4 – 2014-10-13 16:56:21