Pagrindiniai komponentai turi įvairių naudingų savybių (Rao 1964; Kshirsagar 1972): savieji vektoriai yra stačiakampiai, todėl pagrindiniai komponentai kartu reiškia statmenas kryptis per pradinių kintamųjų erdvę. Pagrindinių komponentų balai yra kartu nesusiję
Ar pagrindiniai komponentai yra susiję?
Pagrindinių komponentų analizė pagrįsta susijusių kintamųjų koreliacijos matrica, o koreliacijoms paprastai reikia didelio imties dydžio, kad jos stabilizuotųsi.
Ar PCA komponentai nepriklausomi?
PCA projektuoja duomenis į naują erdvę, kurią apima pagrindiniai komponentai (PC), kurie yra nesusiję ir stačiakampiai. Kompiuteriai gali sėkmingai išgauti atitinkamą informaciją iš duomenų. … Šie komponentai yra statistiškai nepriklausomi, t. y. nėra informacijos, kuri sutampa tarp komponentų.
Ar pagrindinis komponentas yra unikalus?
Tada 1 dimensijos PCA randame liniją, kad maksimaliai padidintume dvimačių duomenų projekcijos į tą liniją dispersiją. … Ši linija nėra unikali, kai 2D duomenys turi sukimosi simetriją, todėl yra daugiau nei viena linija, kuri suteikia tokią pačią didžiausią projekcijos dispersiją.
Ar pagrindiniai komponentai yra stačiakampiai?
Pagrindiniai komponentai yra kovariacijos matricos savieji vektoriai, todėl jie yra stačiakampiai. Svarbu tai, kad duomenų rinkinys, kuriame turi būti naudojama PCA technika, turi būti pakeista. Rezultatai taip pat yra jautrūs santykiniam mastelio keitimui.
