Właściwości prognozowanych punktów 3D (do 2D), analiza głównego składników (PCA)

1. Czy PCA jest dobre dla danych o wysokiej wymiarach?
2. Która projekcja jest używana w PCA?

Czy PCA jest dobre dla danych o wysokiej wymiarach?

PCA jest narzędziem matematycznym szeroko stosowanym do analizy danych o wysokiej wymiaru.

Która projekcja jest używana w PCA?

PCA znajduje macierz projekcji P = [P1, ..., pd ′] t, które mapuje każdy punkt do przestrzeni o niskiej wymiaru (d ′ ≤ d). Jak opisano, każdy p jest wektorem podstawowym, który maksymalizuje wariancję x w kierunkach ortogonalnych w stosunku do siebie oraz że ilość zachowanej wariancji zmniejsza się z P1 do PD ′ .