Eigenvector

Собственный вектор — это вектор, который при умножении на матрицу сохраняет направление, а меняется только его длина на число, называемое собственным значением. Если преобразование — операция над пространством, собственные векторы — стрелки, которые после неё остаются на своей прямой, лишь становясь короче или длиннее.

В ИИ собственные векторы встречаются повсюду. Они лежат в основе метода главных компонент, сжимающего тысячи признаков до десятков, что ускоряет обучение и предотвращает переобучение. Их используют для поиска информации, обнаружения сообществ в соцсетях, описания формы объектов в компьютерном зрении. Знаменитый PageRank — это собственный вектор гигантской матрицы связей между страницами: его компоненты определяют авторитетность сайтов.

Интуиция проста. Возьмите резиновый лист с нарисованными стрелками и потяните его неравномерно, например, растяните по горизонтали, сожмите по вертикали. Большинство стрелок повернутся и изменят длину. Но стрелки, направленные строго вдоль горизонтали или вертикали, останутся на своих линиях, только изменят длину. Эти направления — собственные векторы, а во сколько раз изменилась длина — собственное значение.

В стриминговом сервисе матрица оценок от миллионов зрителей для сотен тысяч фильмов сжимается с помощью собственных векторов. Они кодируют скрытые факторы вкуса: любовь к фантастике, лёгким комедиям, авторскому кино. Каждый зритель получает координаты по этим факторам. Рекомендация проста: найдите зрителей с близкими координатами и предложите то, что понравилось им. Огромная матрица превращается в несколько чисел.

Если коротко, собственные векторы помогают находить главные направления в данных, избавляться от шума и упрощать вычисления. Это пример того, как математическая абстракция становится практическим инструментом ИИ, делающим приложения быстрыми и умными.