Phân tích thành phần chính
Phân tích thành phần chính (PCA) là một phương pháp giảm chiều dữ liệu không giám sát — được Ian Jolliffe (2002) trình bày trong các sách giáo khoa hiện đại — nén dữ liệu đa chiều thành ít chiều hơn trong khi vẫn giữ được phương sai tối đa có thể. Nó diễn giải lại các biến tương quan thành một tập hợp nhỏ các thành phần chính không tương quan, được sắp xếp theo mức độ biến thiên của dữ liệu mà mỗi thành phần nắm bắt được.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
Nguồn tài liệu
- Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI: 10.1007/b98835 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Principal Component Analysis (PCA). ScholarGate. https://scholargate.app/vi/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.
- Phân tích nhân tốThống kê nghiên cứu↔ compare
- Phân cụm phân cấpHọc máy↔ compare
- Hồi quy LassoHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →