特征值就是代表了对应特征的方差大小

在主成分分析（PCA）中，特征值代表了数据在对应特征向量方向上的方差大小。具体来说，特征值越大，表示数据在该方向上的方差越大，这意味着该方向上的信息量越多。因此，PCA 会选择特征值较大的特征向量作为主成分。

正确答案是：C: 特征值代表了对应特征的方差大。

**专业分析：**

1. **特征值与方差的关系**：在 PCA 中，数据矩阵经过中心化处理后，计算其协方差矩阵。然后对协方差矩阵进行特征值分解，得到特征值和特征向量。特征值表示在对应特征向量方向上的方差大小。方差越大，说明该方向上的数据分布越广，包含的信息量越多。

2. **特征向量的重要性**：特征向量是数据在新坐标系下的基向量。PCA 通过选择特征值较大的特征向量来构建新的坐标系，使得数据在这些新坐标上的投影具有最大的方差，从而最大化保留数据的主要信息。

3. **排序的目的**：将特征向量按对应特征值从大到小排序，可以确保前几个主成分包含了数据中最多的信息。通常只选择前几个特征值较大的特征向量作为主成分，这样可以在减少维度的同时尽可能保留数据的主要特征。

综上所述，特征值在 PCA 中代表了对应特征向量方向上的方差大小，特征值越大，表示该方向上的信息量越多。