Registro de evidência do método

Principal Component Analysis

Principal Component Analysis (PCA) is an unsupervised dimensionality-reduction method — given its modern textbook treatment by Ian Jolliffe (2002) — that compresses high-dimensional data into fewer dimensions while preserving the maximum possible variance. It re-expresses correlated variables as a small set of uncorrelated principal components ordered by how much of the data's variation each one captures.

Sources recorded, not reviewed

Registro de origem

Citações copiadas literalmente do registro de origem do método. Nenhuma verificação em nível de alegação é inferida delas.

Principal Component Analysis (PCA)

Registro de método taxonômico · ml-model / machine-learning

Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. · DOI 10.1007/b98835

Abrir método completo

Alegações curadas

Alegações persistidas no livro-razão de evidências, cada uma com sua própria avaliação.

Ainda não há alegações curadas

Esta visualização não inventa uma avaliação de alegação quando o livro-razão não a possui.

Métodos relacionados

Gerado a partir do grafo de métodos e mostrado como relações sugeridas por máquina — nenhuma alegação de evidência é inferida.