Sadržaj:
- Definicija - Što znači analiza glavnih komponenti (PCA)?
- Tehopedia objašnjava analizu glavnih komponenti (PCA)
Definicija - Što znači analiza glavnih komponenti (PCA)?
Analiza glavnih komponenti (PCA) je tehnika koja se koristi za identificiranje manjeg broja nekoreliziranih varijabli poznatih kao glavne komponente iz većeg skupa podataka. Ova se tehnika široko koristi za naglašavanje varijacija i hvatanje snažnih uzoraka u skupu podataka. Karl Pearson izmislio 1901. godine, glavna komponenta analiza je alat koji se koristi u prediktivnim modelima i istraživačkim analizama podataka. Analiza glavnih komponenti smatra se korisnom statističkom metodom i koristi se u područjima kao što su kompresija slike, prepoznavanje lica, neuroznanost i računalna grafika.
Tehopedia objašnjava analizu glavnih komponenti (PCA)
Analiza glavnih komponenti pomaže da se podaci lakše istraže i vizualiziraju. To je jednostavna neparametarska tehnika za vađenje informacija iz složenih i zbunjujućih podataka. Analiza glavnih komponenti usmjerena je na maksimalni iznos varijance s najmanjim brojem glavnih komponenti. Jedna od posebnih prednosti koja je povezana s analizom glavnih komponenti je ta što se jednom pronađu obrasci u dotičnim podacima. Jedna koristi analizu glavnih komponenti kako bi se eliminirao broj varijabli ili kada ima previše prediktora u usporedbi s brojem opažanja ili kako bi se izbjegla multikolinearnost. Usko je povezana s kanonskom korelacijskom analizom i koristi ortogonalnu transformaciju da bi se skup opažanja koji sadrže korelirane varijable pretvorio u skup vrijednosti poznatih kao glavne komponente. Broj glavnih komponenti korištenih u analizi glavnih komponenata manji je ili jednak manjem broju opažanja. Analiza glavnih komponenti osjetljiva je na relativno skaliranje izvorno korištenih varijabli.
Analiza glavnih komponenti široko se koristi u mnogim područjima kao što su istraživanje tržišta, društvene znanosti i u industriji u kojoj se koriste veliki skupovi podataka. Ova tehnika može također pomoći u pružanju slika nižih dimenzija izvornih podataka. U slučaju analize glavnih komponenti potreban je samo minimalan napor za smanjenje složenog i zbunjujućeg skupa podataka u pojednostavljeni skup korisnih informacija.
