প্রধান উপাদান বিশ্লেষণ
প্রধান উপাদান বিশ্লেষণ (PCA) একটি তত্ত্বাবধানহীন মাত্রিকতা-হ্রাস পদ্ধতি — ইয়ান জোলিফের (২০০২) আধুনিক পাঠ্যপুস্তক অনুসারে — যা উচ্চ-মাত্রিক ডেটাকে কম মাত্রায় সংকুচিত করে এবং সর্বাধিক সম্ভাব্য ভেদমান (variance) সংরক্ষণ করে। এটি পরস্পর সম্পর্কযুক্ত চলকগুলিকে অল্প সংখ্যক সম্পর্কহীন প্রধান উপাদানে পুনর্গঠন করে, যা ডেটার ভেদমানের পরিমাণ অনুসারে সাজানো থাকে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
উৎস
- Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI: 10.1007/b98835 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Principal Component Analysis (PCA). ScholarGate. https://scholargate.app/bn/machine-learning/pca
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ফ্যাক্টর অ্যানালাইসিস (Factor Analysis)গবেষণা পরিসংখ্যান↔ compare
- Hierarchical Clusteringযন্ত্র শিখন↔ compare
- ল্যাসো রিগ্রেশনযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →