特征向量与特征值在机器学习中的应用

特征向量和特征值是机器学习中重要的概念，它们在数据分析、特征提取和降维等领域起着关键的作用。本文将详细介绍特征向量和特征值的含义，并提供相应的源代码示例。

一、特征向量和特征值的定义
特征向量是一个向量，表示线性变换后方向保持不变的向量。在机器学习中，特征向量通常用于表示数据样本的特征。特征值则是与特征向量相对应的标量，表示特征向量在线性变换中的缩放因子。

二、特征向量和特征值的计算
特征向量和特征值可以通过矩阵的特征分解来计算。给定一个方阵A，满足以下方程：
A * v = λ * v
其中，A为方阵，v为特征向量，λ为特征值。可以得到特征向量v和特征值λ的组合。

在Python中，我们可以使用NumPy库来计算特征向量和特征值。下面是一个示例代码：

import numpy as np

# 创建一个2x2的矩阵
A = np.array([[4