Phép Phân Tích Thành Phần Chính – Wikipedia Tiếng Việt
Có thể bạn quan tâm
Nội dung
chuyển sang thanh bên ẩn- Đầu
- Bài viết
- Thảo luận
- Đọc
- Sửa đổi
- Sửa mã nguồn
- Xem lịch sử
- Đọc
- Sửa đổi
- Sửa mã nguồn
- Xem lịch sử
- Các liên kết đến đây
- Thay đổi liên quan
- Liên kết thường trực
- Thông tin trang
- Trích dẫn trang này
- Tạo URL rút gọn
- Tải mã QR
- Tạo một quyển sách
- Tải dưới dạng PDF
- Bản để in ra
- Wikimedia Commons
- Khoản mục Wikidata
Phép phân tích thành phần chính (Principal Components Analysis - PCA) là một thuật toán thống kê sử dụng phép biến đổi trực giao để biến đổi một tập hợp dữ liệu từ một không gian nhiều chiều sang một không gian mới ít chiều hơn (2 hoặc 3 chiều) nhằm tối ưu hóa việc thể hiện sự biến thiên của dữ liệu.[1][2][3]
Phép biến đổi tạo ra những ưu điểm sau đối với dữ liệu:[4][5]
- Giảm số chiều của không gian chứa dữ liệu khi nó có số chiều lớn, không thể thể hiện trong không gian 2 hay 3 chiều.
- Xây dựng những trục tọa độ mới, thay vì giữ lại các trục của không gian cũ, nhưng lại có khả năng biểu diễn dữ liệu tốt tương đương, và đảm bảo độ biến thiên của dữ liệu trên mỗi chiều mới.
- Tạo điều kiện để các liên kết tiềm ẩn của dữ liệu có thể được khám phá trong không gian mới, mà nếu đặt trong không gian cũ thì khó phát hiện vì những liên kết này không thể hiện rõ.
- Đảm bảo các trục tọa độ trong không gian mới luôn trực giao đôi một với nhau, mặc dù trong không gian ban đầu các trục có thể không trực giao.
Tham khảo
[sửa | sửa mã nguồn]- ^ "Principal component analysis".
- ^ "Principal Component Analysis 4 Dummies: Eigenvectors, Eigenvalues and Dimension Reduction". George Dallas. Truy cập ngày 7 tháng 10 năm 2015.
- ^ "Principal Components Analysis". Truy cập ngày 12 tháng 2 năm 2015.
- ^ "PCA - Principal Component Analysis". mlcvGru. Truy cập ngày 7 tháng 10 năm 2015.
- ^ "PCA - Intuition and Maths". mlcvGru. Truy cập ngày 7 tháng 10 năm 2015.
Bài viết này vẫn còn sơ khai. Bạn có thể giúp Wikipedia mở rộng nội dung để bài được hoàn chỉnh hơn. |
- x
- t
- s
- Địa thống kê
- Phân tích dữ liệu
- Tất cả bài viết sơ khai
- Sơ khai
Từ khóa » Toán Pca
-
Bài 27: Principal Component Analysis (phần 1/2)
-
Giới Thiệu Principal Component Analysis - Viblo
-
Principal Component Analysis (PCA) - Tuyệt Chiêu Giảm Chiều Dữ Liệu
-
Phân Tích Thành Phần Chính - PCA. - RPubs
-
Thuật Toán Pca Là Gì, Phép Phân Tích Thành Phần Chính, Principal ...
-
Thuat Toan Pca Full 24-5-2017 - SlideShare
-
Bài Giảng 83: Principal Component Analysis - YouTube
-
Phân Tích Thành Phần Chính PCA 2D • Lê Quang Tiến - ThetaFlow
-
Thuật Toán PCA để Trích Chọn đặc Trưng - 123doc
-
10 Thuật Toán Machine Learning Mà Lập Trình Viên Cần Biết (phần 2)
-
Nhận Dạng ảnh Sử Dụng Thuật Toán PCA - Tài Liệu Text - 123doc
-
Phương Pháp Phân Tích Thành Phần Chính (Principal Component ...
-
Giới Thiệu Về Phương Pháp Principal Component Analysis (PCA) Và ...
-
Hiểu Phân Tích Thành Phần Chính (PCA) - HelpEx
-
Pca Là Gì - Principal Component Analysis (Pca)
-
Tuyển Kế Toán Tổng Hợp Làm Việc Tại CÔNG TY TNHH PCA ...
-
Phan Tich Thanh Phan Chinh Pca. Ứng Dụng, đặc điểm, Chạy Code ...