Nilalaman
- Kahulugan - Ano ang kahulugan ng Pangunahing Component Analysis (PCA)?
- Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
- Ipinapaliwanag ng Techopedia ang Principal Component Analysis (PCA)
Kahulugan - Ano ang kahulugan ng Pangunahing Component Analysis (PCA)?
Ang pangunahing sangkap na pagsusuri (PCA) ay isang pamamaraan na ginamit para sa pagkilala sa isang mas maliit na bilang ng mga hindi pinagsama-samang mga variable na kilala bilang mga pangunahing bahagi mula sa isang mas malaking hanay ng data. Malawakang ginagamit ang pamamaraan upang bigyang-diin ang pagkakaiba-iba at makuha ang malakas na mga pattern sa isang set ng data. Inimbento ni Karl Pearson noong 1901, ang pangunahing pagsusuri ng sangkap ay isang tool na ginamit sa mga mahuhulaan na modelo at pagsusuri ng exploratory data. Ang pangunahing pagsusuri ng sangkap ay itinuturing na isang kapaki-pakinabang na istatistika ng istatistika at ginamit sa mga patlang tulad ng pag-compress ng imahe, pagkilala sa mukha, neuroscience at graphics ng computer.
Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
Ipinapaliwanag ng Techopedia ang Principal Component Analysis (PCA)
Ang pangunahing sangkap na pagsusuri ay tumutulong na gawing mas madaling matuklasan at mailarawan ang data. Ito ay isang simpleng di-parametric na pamamaraan para sa pagkuha ng impormasyon mula sa kumplikado at nakalilito na mga set ng data. Ang pangunahing pagsusuri ng sangkap ay nakatuon sa maximum na dami ng pagkakaiba-iba kasama ang pinakamaliit na bilang ng mga pangunahing sangkap. Ang isa sa mga natatanging bentahe na nauugnay sa pagtatasa ng pangunahing sangkap ay na sa sandaling ang mga pattern ay matatagpuan sa nababahala na data, sinusuportahan din ang compression ng data. Ginagamit ng isang tao ang pangunahing pagsusuri ng sangkap upang maalis ang bilang ng mga variable o kapag napakaraming mga prediktor kumpara sa bilang ng mga obserbasyon o upang maiwasan ang multicollinearity. Ito ay malapit na nauugnay sa pagsusuri ng canonical correlational at ginagamit ang pagbabagong-anyo ng orthogonal upang mai-convert ang hanay ng mga obserbasyon na naglalaman ng mga correlated variable sa isang hanay ng mga halaga na kilala bilang mga punong-guro. Ang bilang ng mga pangunahing sangkap na ginagamit sa pagtatasa ng pangunahing sangkap ay mas mababa sa o katumbas ng mas kaunting bilang ng mga obserbasyon. Ang pangunahing pagtatasa ng sangkap ay sensitibo sa kamag-anak na pag-scale ng mga orihinal na ginamit na variable.
Ang pangunahing pagtatasa ng sangkap ay malawakang ginagamit sa maraming lugar tulad ng pananaliksik sa merkado, agham panlipunan at sa mga industriya kung saan ginagamit ang malalaking set ng data. Ang pamamaraan ay maaari ring makatulong sa pagbibigay ng isang mas mababang-dimensional na larawan ng orihinal na data. Tanging kaunting pagsisikap ang kinakailangan sa kaso ng pangunahing sangkap na pagsusuri para sa pagbabawas ng isang kumplikado at nakalilito na data na itinakda sa isang pinasimpleng kapaki-pakinabang na hanay ng impormasyon.