Πίνακας περιεχομένων:
- Ορισμός - Τι σημαίνει η κύρια ανάλυση στοιχείων (PCA);
- Η Techopedia εξηγεί την Κύρια Ανάλυση Συστατικών (PCA)
Ορισμός - Τι σημαίνει η κύρια ανάλυση στοιχείων (PCA);
Η βασική ανάλυση συνιστωσών (PCA) είναι μια τεχνική που χρησιμοποιείται για την ταυτοποίηση ενός μικρότερου αριθμού μη συσχετισμένων μεταβλητών γνωστών ως κύριων συστατικών από ένα μεγαλύτερο σύνολο δεδομένων. Η τεχνική χρησιμοποιείται ευρέως για να τονίσει τις παραλλαγές και να συλλάβει ισχυρά μοτίβα σε ένα σύνολο δεδομένων. Επινοηθείσα από τον Karl Pearson το 1901, η ανάλυση κύριων συνιστωσών είναι ένα εργαλείο που χρησιμοποιείται σε προγνωστικά μοντέλα και σε διερευνητική ανάλυση δεδομένων. Η ανάλυση βασικών συστατικών θεωρείται χρήσιμη στατιστική μέθοδος και χρησιμοποιείται σε πεδία όπως συμπίεση εικόνων, αναγνώριση προσώπου, νευροεπιστήμες και γραφικά υπολογιστών.
Η Techopedia εξηγεί την Κύρια Ανάλυση Συστατικών (PCA)
Η βασική ανάλυση συστατικών στοιχείων βοηθά στην ευκολότερη διερεύνηση και οπτικοποίηση των δεδομένων. Είναι μια απλή μη παραμετρική τεχνική για την εξαγωγή πληροφοριών από σύνθετα και συγκεχυμένα σύνολα δεδομένων. Η ανάλυση βασικών συστατικών επικεντρώνεται στη μέγιστη ποσότητα διακύμανσης με τον μικρότερο αριθμό κύριων συστατικών. Ένα από τα ξεχωριστά πλεονεκτήματα που συνδέονται με την ανάλυση κύριου συστατικού είναι ότι μόλις βρεθούν πρότυπα στα σχετικά δεδομένα, υποστηρίζεται επίσης η συμπίεση των δεδομένων. Κάποιος χρησιμοποιεί την ανάλυση κύριων συστατικών για την εξάλειψη του αριθμού των μεταβλητών ή όταν υπάρχουν πάρα πολλοί προγνωστικοί παράγοντες σε σύγκριση με τον αριθμό των παρατηρήσεων ή για να αποφευχθεί η πολυκεντρική κατανομή. Συνδέεται στενά με την κανονική συσχετιστική ανάλυση και χρησιμοποιεί τον ορθογώνιο μετασχηματισμό προκειμένου να μετατρέψει το σύνολο των παρατηρήσεων που περιέχουν συσχετισμένες μεταβλητές σε ένα σύνολο τιμών γνωστών ως κύρια συστατικά. Ο αριθμός των κύριων συστατικών που χρησιμοποιούνται στην ανάλυση κύριων συστατικών είναι μικρότερος ή ίσος με τον μικρότερο αριθμό παρατηρήσεων. Η ανάλυση βασικού στοιχείου είναι ευαίσθητη στη σχετική κλίμακα των αρχικά χρησιμοποιούμενων μεταβλητών.
Η ανάλυση βασικών συνιστωσών χρησιμοποιείται ευρέως σε πολλούς τομείς, όπως έρευνα αγοράς, κοινωνικές επιστήμες και σε βιομηχανίες όπου χρησιμοποιούνται μεγάλα σύνολα δεδομένων. Η τεχνική μπορεί επίσης να βοηθήσει στην παροχή μιας εικόνας χαμηλότερων διαστάσεων των αρχικών δεδομένων. Απαιτείται ελάχιστη προσπάθεια μόνο στην περίπτωση της κύριας ανάλυσης συστατικών στοιχείων για τη μείωση ενός πολύπλοκου και συγκεχυμένου στοιχείου σε ένα απλοποιημένο σύνολο χρήσιμων πληροφοριών.
