Анализ основных компонентов
- PCA (анализ главных компонент) – метод уменьшения размерности данных, основанный на разложении ковариационной матрицы.
- Цель PCA – выделить главные компоненты, которые содержат большую часть общей дисперсии данных.
- PCA может быть использован для уменьшения размерности данных и обнаружения неожиданных линейных зависимостей между элементами.
- Метод основан на разложении ковариационной матрицы на вклады, связанные с каждым главным компонентом.
- PCA является оптимальным ортогональным преобразованием для сохранения подпространства с наибольшей дисперсией.
- Однако метод чувствителен к масштабированию переменных и может быть несколько произвольным.
- PCA используется в распознавании образов и количественной оценке расстояния между классами.
- Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала.
Полный текст статьи: