待验证50% 置信事实精确时间

特征分解与主成分分析（PCA）紧密相关，是降维的基础。

1

来源数

50%

置信度

长期有效

时效性

2026/10/28

首次发现

来源

AI数学基础：线性代数视频系列解读

涉及实体

特征分解concept 主成分分析（PCA）concept 降维concept

相关事实

已验证PCA 降维通过对数据协方差矩阵做特征分解，找到数据方差最大的投影轴，从而在最大保留信息的前提下压缩维度78% 相似待验证PCA对同一提示词多次采样的隐藏激活做降维，第一主成分捕捉采样结果中差异最大的方向，对应模型变化最剧烈的风格维度76% 相似待验证PCA的主成分方向是在当前图像的token分布上单独拟合的，不同图像的主成分指向不同方向，因此颜色不携带跨图像的语义信息59% 相似待验证谱基是通过特征分解得到的一组正交基向量，特征值大小反映对应方向的信息量或重要性。58% 相似待验证从PCA降维到Transformer的注意力机制都依赖矩阵运算和向量空间变换55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1106514

API

curl https://kongchang.com/api/v1/knowledge/claims/1106514

MCP

get_claim(id=1106514)