Анализ главных компонентов (PCA) является статистическим методом для сокращения размера, часто используемого в кластеризации или факторном анализе. Учитывая любое количество объяснительных или причинных переменных, PCA оценивает переменные их способностью объяснить самую большую вариацию в данных. Именно это свойство позволяет PCA использоваться для сокращения размера, т.е. определить наиболее важные переменные от среди большого набора возможные влияния.
Обзор
Анализ главных компонентов (PCA) является статистическим методом для сокращения размера, часто используемого в кластеризации или факторном анализе. Учитывая любое количество объяснительных или причинных переменных, PCA оценивает переменные их способностью объяснить самую большую вариацию в данных. Именно это свойство позволяет PCA использоваться для сокращения размера, т.е. определить наиболее важные переменные от среди большого набора возможные влияния.
Математически, анализ главных компонентов (PCA) составляет ортогональное преобразование возможно коррелированых переменных (векторы) в некоррелированые переменные, названные векторами основного компонента.
Использование тега
Вопросы на теге pca должны быть о реализации и проблемах программирования, не о статистических или теоретических свойствах техники. Рассмотрите, мог ли Ваш вопрос лучше подходить для Проверенного Креста, сайт StackExchange для статистики, машинного обучения и анализа данных.
В научном программном обеспечении r для статистического расчета и графики, функций princomp и prcomp вычислите PCA.