Principalkomponentanalys
Wikipedias länkgrannskap — text som graf. 24 utgående länkar (hämtade nyss, cachade nu).
Principalkomponentanalys, ofta förkortat PCA av engelskans principal component analysis, är en linjär ortogonal transform som gör att den transformerade datans dimensioner är ortogonala; det vill säga att de är oberoende och inte har någon kovarians. PCA introducerades 1901 av Karl Pearson. Alternativa namn är Karhunen–Loève transform (KLT), Hotellingtransform och proper orthogonal decomposition (POD). PCA har likheter med faktoranalys som till skillnad från PCA inte är en ortogonal transform. Läs på Wikipedia →
Artikelns grannar
- Brus
- Datautvinning
- Diagonalisering
- Dimension
- Egenvektor
- Egenvärde (matematik)
- Faktoranalys
- Gaussfördelning
- Harold Hotelling
- Karhunen–Loèves sats
- Karl Pearson
- Koordinatsystem
- Korrelation
- Kovarians (sannolikhetsteori)
- Kvadratrot
- Linjär
- Medelvärde
- Multivariat statistik
- Ortogonal
- Pixel
- Singulärvärdesuppdelning
- Transform
- Vektor
- Visualisering