1、樣本方差的無偏估計可由下式獲得。
2、方差只能用於解釋平行於特徵空間軸方向的資料傳播。
3、對於這個資料，可以計算出在x方向上的方差和y方向上的方差。然而，資料的水平傳播和垂直傳播不能解釋明顯的對角線關係。這種相關性可以透過擴充套件方差概念到所謂的資料“協方差”捕捉到。
4、如果資料的協方差矩陣是對角矩陣，使得協方差是零，那麼這意味著方差必須等於特徵值λ。如圖所示，特徵向量用綠色和品紅色表示，特徵值顯然等於協方差矩陣的方差分量。
5、然而，如果協方差矩陣不是對角的，使得協方差不為零，那麼情況稍微更復雜一些。特徵值仍代表資料最大傳播方向的方差大小，協方差矩陣的方差分量仍然表示x軸和y軸方向上的方差大小。但是，因為資料不是軸對齊的。
word的選單點插入，點公式，在彈出的公式子選單中點括號，選括號裡的方括號，在方括號裡輸入矩陣元可自動對齊
1、樣本方差的無偏估計可由下式獲得。
2、方差只能用於解釋平行於特徵空間軸方向的資料傳播。
3、對於這個資料，可以計算出在x方向上的方差和y方向上的方差。然而，資料的水平傳播和垂直傳播不能解釋明顯的對角線關係。這種相關性可以透過擴充套件方差概念到所謂的資料“協方差”捕捉到。
4、如果資料的協方差矩陣是對角矩陣，使得協方差是零，那麼這意味著方差必須等於特徵值λ。如圖所示，特徵向量用綠色和品紅色表示，特徵值顯然等於協方差矩陣的方差分量。
5、然而，如果協方差矩陣不是對角的，使得協方差不為零，那麼情況稍微更復雜一些。特徵值仍代表資料最大傳播方向的方差大小，協方差矩陣的方差分量仍然表示x軸和y軸方向上的方差大小。但是，因為資料不是軸對齊的。