Isi kandungan:
- Definisi - Apakah yang dimaksudkan dengan Analisis Komponen Utama (PCA)?
- Techopedia menerangkan Analisis Komponen Utama (PCA)
Definisi - Apakah yang dimaksudkan dengan Analisis Komponen Utama (PCA)?
Analisis komponen utama (PCA) adalah teknik yang digunakan untuk mengenal pasti bilangan pembolehubah uncorrelated yang lebih kecil yang dikenali sebagai komponen utama dari satu set data yang lebih besar. Teknik ini digunakan secara meluas untuk menekankan variasi dan menangkap corak yang kuat dalam set data. Diciptakan oleh Karl Pearson pada tahun 1901, analisis komponen utama adalah alat yang digunakan dalam model ramalan dan analisis data penerokaan. Analisis komponen utama dianggap sebagai kaedah statistik berguna dan digunakan dalam bidang seperti pemampatan imej, pengiktirafan muka, neurosains dan grafik komputer.
Techopedia menerangkan Analisis Komponen Utama (PCA)
Analisis komponen utama membantu membuat data lebih mudah untuk diterokai dan dibayangkan. Ia adalah teknik bukan parametrik yang sederhana untuk mengekstrak maklumat daripada set data rumit dan mengelirukan. Analisa komponen utama difokuskan pada jumlah variasi maksimum dengan jumlah komponen utama yang paling sedikit. Salah satu kelebihan yang berbeza yang berkaitan dengan analisis komponen utama adalah bahawa sekali pola yang terdapat dalam data yang berkenaan, pemampatan data juga disokong. Satu menggunakan analisa komponen utama untuk menghapuskan bilangan pembolehubah atau ketika terlalu banyak prediktor dibandingkan dengan jumlah pemerhatian atau untuk menghindari multicollinearity. Ia berkait rapat dengan analisis korelasi kanonik dan menggunakan transformasi ortogonal untuk menukar set pemerhatian yang mengandungi pembolehubah berkorelasi ke dalam satu set nilai yang dikenali sebagai komponen utama. Bilangan komponen utama yang digunakan dalam analisis komponen utama adalah kurang daripada atau sama dengan jumlah pemerhatian yang lebih rendah. Analisis komponen utama adalah sensitif terhadap skala relatif pembolehubah yang digunakan pada asalnya.
Analisis komponen utama digunakan secara meluas dalam banyak bidang seperti penyelidikan pasaran, sains sosial dan industri di mana set data yang besar digunakan. Teknik ini juga dapat membantu dalam menyediakan gambar dimensi yang lebih rendah dari data asal. Hanya usaha yang minimum diperlukan dalam kes analisis komponen utama untuk mengurangkan data yang rumit dan mengelirukan yang ditetapkan ke dalam set maklumat berguna yang mudah.