Logo ca.boatexistence.com

Els components principals no estan correlacionats?

Taula de continguts:

Els components principals no estan correlacionats?
Els components principals no estan correlacionats?

Vídeo: Els components principals no estan correlacionats?

Vídeo: Els components principals no estan correlacionats?
Vídeo: Finance with Python! Portfolio Diversification and Risk 2024, Maig
Anonim

Els components principals tenen una varietat de propietats útils (Rao 1964; Kshirsagar 1972): Els vectors propis són ortogonals, de manera que els components principals representen conjuntament direccions perpendiculars a través de l'espai de les variables originals. Les puntuacions dels components principals no estan correlacionades conjuntament

Els components principals estan correlacionats?

L'anàlisi de components principals es basa en la matriu de correlació de les variables implicades, i les correlacions solen necessitar una mida de mostra gran abans que s'estabilitzin.

Els components PCA són independents?

PCA projecta les dades en un nou espai abastat pels components principals (PC), que no estan correlacionats i ortogonals. Els ordinadors poden extreure amb èxit la informació rellevant de les dades. … Aquests components són estadísticament independents, és a dir, no hi ha informació solapada entre els components.

El component principal és únic?

A continuació, en un PCA 1 dimensional, trobem una línia per maximitzar la variància de la projecció de les dades de 2 dimensions sobre aquesta línia. … Aquesta línia no és única quan les dades 2D tenen simetria rotacional, de manera que hi ha més d'una línies que donen la mateixa variància màxima a la projecció.

Els components principals són ortogonals?

Els components principals són els vectors propis d'una matriu de covariància i, per tant, són ortogonals. És important destacar que el conjunt de dades en què s'ha d'utilitzar la tècnica PCA s'ha d'escalar. Els resultats també són sensibles a l'escala relativa.

Recomanat: