प्रिंसिपल कंपोनेंट एनालिसिस
प्रिंसिपल कंपोनेंट एनालिसिस (PCA) एक अनसुपरवाइज्ड डायमेंशनलिटी-रिडक्शन विधि है — इयान जोलिफ (2002) द्वारा इसके आधुनिक पाठ्यपुस्तक उपचार को देखते हुए — जो उच्च-आयामी डेटा को कम आयामों में संपीड़ित करती है, जबकि अधिकतम संभव विचरण को बनाए रखती है। यह सहसंबद्ध चरों को असंबंधित प्रिंसिपल कंपोनेंट्स के एक छोटे सेट के रूप में पुन: व्यक्त करती है, जो इस आधार पर क्रमबद्ध होते हैं कि प्रत्येक कंपोनेंट डेटा के विचरण का कितना हिस्सा कैप्चर करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
स्रोत
- Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI: 10.1007/b98835 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Principal Component Analysis (PCA). ScholarGate. https://scholargate.app/hi/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.
- कारक विश्लेषणअनुसंधान सांख्यिकी↔ compare
- पदानुक्रमिक समूहनमशीन अधिगम↔ compare
- लासो रिग्रेशनमशीन अधिगम↔ compare