Негизги компоненттердин ар кандай пайдалуу касиеттери бар (Rao 1964; Kshirsagar 1972): Өздүк векторлор ортогоналдык, ошондуктан негизги компоненттер баштапкы өзгөрмөлөрдүн мейкиндиги аркылуу биргелешип перпендикулярдык багыттарды билдирет. Негизги компонент упайлары бири-бирине байланышы жок
Негизги компоненттер өз ара байланыштабы?
Негизги компоненттерди талдоо катышуучу өзгөрмөлөрдүн корреляциялык матрицасына негизделген жана корреляциялар турукташтырылганга чейин адатта чоң үлгү өлчөмүн талап кылат.
PCA компоненттери көз карандысызбы?
PCA маалыматтарды корреляциясыз жана ортогоналдык негизги компоненттер (PC) менен камтылган жаңы мейкиндикке проектирлейт. ЖКлар маалыматтардагы тиешелүү маалыматты ийгиликтүү чыгара алышат. … Бул компоненттер статистикалык көзкарандысыз, б.а. компоненттердин ортосунда бири-бирин кайталаган маалымат жок.
Негизги компонент уникалдуубу?
Андан кийин 1 өлчөмдүү PCAда биз 2 өлчөмдүү маалыматтардын ошол сызыкка проекциясынын дисперсиясын максималдаштыруу үчүн сызыкты табабыз. … 2D берилиштери айлануу симметриясына ээ болгондо бул сызык уникалдуу эмес, андыктан проекцияда бирдей максималдуу дисперсияны берген бирден ашык сызыктар бар.
Негизги компоненттер ортогоналдыкпы?
Негизги компоненттери ковариация матрицанын менчик векторлору, демек алар ортогоналдык. Маанилүү нерсе, PCA техникасы колдонула турган маалымат топтому масштабдуу болушу керек. Натыйжалар салыштырмалуу масштабга да сезгич.
