Analiza me Komponente Kryesore
Analiza me Komponente Kryesore (PCA) është një metodë jouskuar e reduktimit të dimensionalitetit — duke pasur parasysh trajtimin e saj modern në tekstet shkollore nga Ian Jolliffe (2002) — që kompreson të dhëna me dimensionalitet të lartë në më pak dimensione, duke ruajtur njëkohësisht variancën maksimale të mundshme. Ajo ripërfaqëson variabla të korelues si një grup i vogël komponentësh kryesorë të pakoreluar, të renditur sipas sasisë së variacionit të të dhënave që secili prej tyre kap.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
Burimet
- Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI: 10.1007/b98835 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). Principal Component Analysis (PCA). ScholarGate. https://scholargate.app/sq/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.
- Analiza faktoraleStatistika e hulumtimit↔ compare
- Grupimi HierarkikMësimi i makinës↔ compare
- Regresioni LassoMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →