Wartość własna (eigenvalue) w kontekście analizy głównych składowych (PCA) określa ilość wariancji danych wyjaśnianą przez odpowiadający jej wektor własny. Im większa wartość własna, tym więcej informacji i zmienności z oryginalnego zbioru danych niesie dana składowa główna. W procesie redukcji wymiarowości wartości własne służą do oceny istotności poszczególnych kierunków i wyboru tych, które zachowują najważniejsze cechy danych. Pozwala to na odrzucenie mniej istotnych wymiarów przy minimalnej stracie informacji.
Eigenvalue (value indicating variance explained in PCA) (eigenvalue)
