А що далі?

Ми використали PCA і отримали модифіковані дані, з меншою розмірністю. Яким буде наш наступний крок?

Як згадувалося раніше, отримані дані використовуються в моделях машинного навчання, тобто PCA, по суті, виступає лише як етап обробки даних.

Після того, як ми опрацювали наші дані за допомогою PCA, ми можемо використовувати їх у будь-якій моделі машинного навчання. Це може бути модель, яка вирішує завдання класифікації, регресії, кластеризації тощо. Як приклад, використання PCA при роботі з зображеннями, адже набори даних часто бувають великими і при нестачі потужностей, набір даних з більш ніж 500 000 зображень вже може стати складним для обробки. Кілька прикладів того, як PCA можна використовувати самостійно:

• Візуалізація багатовимірних даних
• Стиснення інформації

І приклади, коли PCA використовується як процес обробки даних:

• Зменшення розмірності даних
• Зниження рівня шуму в даних

У наступних розділах ми детально розглянемо деякі з найпоширеніших застосувань PCA.