待验证50% 置信事实精确时间
PCA 通过计算协方差矩阵的特征值和特征向量来找到数据的主要变化方向
1
来源数
50%
置信度
长期有效
时效性
2026/9/4
首次发现
来源
涉及实体
相关事实
待验证PCA通过特征值分解协方差矩阵（或对数据矩阵进行SVD）实现降维，只能编码变量间的二阶统计关系（线性相关性），因此天然只能发现线性流形结构79% 相似待验证PCA 是线性降维方法，对于具有非线性流形结构的数据，t-SNE 或 UMAP 等方法往往更为有效69% 相似待验证模型的拒绝行为集中在残差流（residual stream）中的一个特定方向向量上，可通过 PCA 或差异均值方法提取67% 相似待验证PCA是一种后处理方法，可直接应用于任何已训练好的Embedding模型输出进行降维，无需重新训练模型64% 相似待验证潜空间的概念源于统计学中的潜变量模型，最早可追溯到因子分析和主成分分析（PCA）等降维技术63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/856624API
curl https://kongchang.com/api/v1/knowledge/claims/856624MCP
get_claim(id=856624)