Analisi delle Componenti Principali
L'Analisi delle Componenti Principali (PCA) è un metodo non supervisionato di riduzione della dimensionalità — come trattato nel suo moderno manuale da Ian Jolliffe (2002) — che comprime dati ad alta dimensionalità in un numero ridotto di dimensioni, preservando la massima varianza possibile. Riformula variabili correlate come un piccolo insieme di componenti principali non correlate, ordinate in base a quanto ciascuna cattura della variazione dei dati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
Fonti
- Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI: 10.1007/b98835 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Principal Component Analysis (PCA). ScholarGate. https://scholargate.app/it/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.
- Analisi FattorialeStatistica per la ricerca↔ compare
- Clustering gerarchicoApprendimento automatico↔ compare
- Regressione LassoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →