第八章、离散模型
1、特征向量和特征根
从定义出发，Ax=cx：A为矩阵，c为特征值，x为特征向量。
矩阵A乘以x表示，对向量x进行一次转换（旋转或拉伸）（是一种线性转换），而该转换的效果为常数c乘以向量x（即只进行拉伸）。
我们通常求特征值和特征向量即为求出该矩阵能使哪些向量（当然是特征向量）只发生拉伸，使其发生拉伸的程度如何（特征值大小）。这样做的意义在于，看清一个矩阵在那些方面能产生最大的效果（power），并根据所产生的每个特征向量（一般研究特征值最大的那几个）进行分类讨论与研究。
第十章、统计回归模型
tip
因此所有都是以实际情况出发去决定！
2、由于他是线性关系，列出式子，加上Σ，这代表误差，如果模型选择合适的话，那应该服从均值为0的正态分布。
1、通过数据进行拟合，确定置信值
2、不同表达式模型：
1）图像对比
2）增长率对比
3）精准度
然后对此进行现实意义的解释。
由于两者是相互独立的，那么交叉项，二次项都尝试！