你想弄懂什么？

视频使用椭圆来解释主成分，因为它为数据云提供了一个直观的几何模型。椭圆的主轴被识别为 PCA 想要找到的方向，这些方向称为主成分。

适用条件：数据由椭圆近似。；椭圆在口头上被描述为“基本上是二维高斯分布”。

视频使用椭圆来解释主成分，因为它为数据云提供了一个直观的几何模型。椭圆的主轴被识别为 PCA 想要找到的方向，这些方向称为主成分。

适用条件：数据由椭圆近似。；椭圆在口头上被描述为“基本上是二维高斯分布”。

符号 $D = 2$ -> D' = 1 意味着将二维数据集降维到一维。它将 PCA 框定为一种方法，用于将数据的二维描述压缩成一维摘要，同时保留最重要的变异方向。

适用条件：显示的示例使用二维数据集。；显示的目标降维是一维。

符号 $D = 2$ -> D' = 1 意味着将二维数据集降维到一维。它将 PCA 框定为一种方法，用于将数据的二维描述压缩成一维摘要，同时保留最重要的变异方向。

适用条件：显示的示例使用二维数据集。；显示的目标降维是一维。

在这个视频中，PCA 代表主成分分析（Principal Component Analysis）。它被介绍为本片段中用作示例的特定降维方法。

适用条件：用作本段讨论方法的命名定义。

在这个视频中，PCA 代表主成分分析（Principal Component Analysis）。它被介绍为本片段中用作示例的特定降维方法。

适用条件：用作本段讨论方法的命名定义。