Chapter 12 降维 | 线性代数不难：逐章精讲

降维作为线性代数中特征值分解的核心应用，旨在通过寻找数据差异最大的方向来简化多维数据。数据矩阵通过中心化平移至原点，利用协方差矩阵描述维度间的协同性。由于不同特征尺度差异巨大，标准化处理至关重要，此时线性相关系数矩阵即为标准化数据的协方差矩阵。主成分分析（PCA）通过对该矩阵进行谱分解，提取特征值最大的方向作为第一主成分，从而最大化投影数据的方差。通过计算累计解释方差比，前几个主成分即可还原绝大部分数据波动，实现高效的降维效果，为机器学习算法提供数据预处理的理论基础。