Wektor własny (ang. eigenvector) w kontekście metody PCA wyznacza kierunek głównej zmienności w zbiorze danych. Określa on oś, wzdłuż której dane są najbardziej rozproszone, tworząc tzw. składową główną. Każdemu wektorowi własnemu odpowiada wartość własna, która mierzy ilość wariancji wyjaśnianej przez dany kierunek. Wskazując te kluczowe kierunki, wektory własne umożliwiają redukcję wymiarowości danych przy minimalnej utracie informacji.
Eigenvector (direction of principal component in PCA) (eigenvector)
