既然你已經檢視並了解 B 的內容，現在就來研究它的特徵資料，看看是否有機會把資料的維度從 8 欄降到更少。B 已為你載入。
B
本練習屬於課程
V
試著完成這個範例程式碼，體驗一下這個練習。
# Find the eigen data of B V <- ___ # Print eigenvalues ___
在本章中，你會認識線性代數中的關鍵物件，例如向量與矩陣。你會了解它們為什麼重要，以及彼此之間如何互相作用。
許多機器學習演算法最終都可化約為求解一個矩陣—向量方程。本章會帶你了解矩陣—向量方程要達成的目標，以及如何在 R 中求解。
矩陣運算相當複雜。特徵值／特徵向量分析可將這些運算分解為較簡單的步驟，並應用於影像辨識、基因體分析等多種情境！
「Big Data」在資料科學及其應用中無所不在。然而，資料集中的冗餘可能造成問題。在本章中，我們將學習主成分分析，以及如何用它來進行降維。
當前練習