Content
- Definició: què significa l'anàlisi de components principals (PCA)?
- Una introducció a Microsoft Azure i al Microsoft Cloud | Durant aquesta guia, podreu conèixer què és la informàtica en núvol i com Microsoft Azure us pot ajudar a migrar i executar el vostre negoci des del núvol.
- Techopedia explica Anàlisi de components principals (PCA)
Definició: què significa l'anàlisi de components principals (PCA)?
L’anàlisi de components principals (PCA) és una tècnica emprada per a la identificació d’un nombre menor de variables no correlacionades conegudes com a components principals d’un conjunt més gran de dades. La tècnica s’utilitza àmpliament per emfasitzar la variació i capturar patrons forts en un conjunt de dades. Inventat per Karl Pearson el 1901, l'anàlisi dels components principals és una eina usada en models predictius i anàlisi de dades exploratòries. L’anàlisi dels components principals es considera un mètode estadístic útil i s’utilitza en camps com la compressió d’imatges, el reconeixement de la cara, la neurociència i la infografia.
Una introducció a Microsoft Azure i al Microsoft Cloud | Durant aquesta guia, podreu conèixer què és la informàtica en núvol i com Microsoft Azure us pot ajudar a migrar i executar el vostre negoci des del núvol.
Techopedia explica Anàlisi de components principals (PCA)
L'anàlisi dels components principals permet facilitar l'exploració i la visualització de dades. És una tècnica senzilla no paramètrica per extreure informació de conjunts de dades complexos i confusos. L'anàlisi dels components principals es centra en la quantitat màxima de variació amb el nombre més reduït de components principals. Un dels diferents avantatges associats a l'anàlisi dels components principals és que, un cop trobats els patrons a les dades en qüestió, també es dóna suport a la compressió de dades. Es fa servir l’anàlisi dels components principals per eliminar el nombre de variables o quan hi ha massa predictors en comparació amb el nombre d’observacions o per evitar la multicolinealitat. Està molt relacionat amb l’anàlisi correlacional canònica i fa ús de la transformació ortogonal per convertir el conjunt d’observacions que contenen variables correlacionades en un conjunt de valors coneguts com a components principals. El nombre de components principals utilitzats en l'anàlisi de components principals és inferior o igual al menor nombre d'observacions. L'anàlisi del component principal és sensible a l'escalat relatiu de les variables utilitzades originalment.
L’anàlisi dels components principals s’utilitza àmpliament en moltes àrees com la investigació de mercat, les ciències socials i en indústries on s’utilitzen grans conjunts de dades. La tècnica també pot ajudar a proporcionar una imatge de dimensions reduïdes de les dades originals. Només cal un esforç mínim en el cas de l’anàlisi dels components principals per reduir un conjunt de dades complexe i confús en un conjunt d’informació útil simplificat.