你想弄懂什么？

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。

该片段解释说，PCA 根据数据的散布程度来选择保留哪些方向。它使用二维散点图来展示，沿着较小散布方向投影会使点保持分离，而沿着较大散布方向投影会使它们坍缩。

适用条件：在二维散点图上演示。；解释是几何和直观的，而不是代数的。

该片段解释说，PCA 根据数据的散布程度来选择保留哪些方向。它使用二维散点图来展示，沿着较小散布方向投影会使点保持分离，而沿着较大散布方向投影会使它们坍缩。

适用条件：在二维散点图上演示。；解释是几何和直观的，而不是代数的。

向蓝线投影丢失的信息更少，因为沿着该方向的散布较小。将所有点钳制到该方向的一条线上不会丢失那么多信息。

适用条件：在二维散点图上演示。；解释是几何和直观的，而不是代数的。

向蓝线投影丢失的信息更少，因为沿着该方向的散布较小。将所有点钳制到该方向的一条线上不会丢失那么多信息。

适用条件：在二维散点图上演示。；解释是几何和直观的，而不是代数的。