Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Вектор ознак та головні компоненти | Основні поняття РСА
Метод Головних Компонент

bookВектор ознак та головні компоненти

Після того, як у нас є основні компоненти, нам потрібно створити вектор ознак. Навіщо нам потрібна ця нова змінна? На цьому етапі ми вирішуємо, чи залишити всі компоненти, чи відкинути ті, що мають найменше значення. Вектор ознак - це просто матриця векторів з решти найбільш значущих компонент.

Таким чином, створення вектора ознак є саме тим етапом, на якому відбувається зменшення розмірності набору даних, адже якщо ми вирішимо залишити лише p головних компонент з n, то кінцевий набір даних матиме лише p вимірів.

Ми можемо звести матрицю з 2 компонентами до 1 компонента:

Нарешті, ми маємо головні компоненти і можемо трансформувати наші дані, тобто переорієнтувати дані з початкових осей на ті, що представлені головними компонентами. Це робиться дуже просто - множенням вектора ознак на стандартизовані дані (матриці мають бути переставлені):

Тест

З якого виміру в який було перенесено набір даних на зображенні?

question mark

Обрати правильний варіант.

Select the correct answer

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 4

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Suggested prompts:

Запитайте мені питання про цей предмет

Сумаризуйте цей розділ

Покажіть реальні приклади

Awesome!

Completion rate improved to 5.26

bookВектор ознак та головні компоненти

Свайпніть щоб показати меню

Після того, як у нас є основні компоненти, нам потрібно створити вектор ознак. Навіщо нам потрібна ця нова змінна? На цьому етапі ми вирішуємо, чи залишити всі компоненти, чи відкинути ті, що мають найменше значення. Вектор ознак - це просто матриця векторів з решти найбільш значущих компонент.

Таким чином, створення вектора ознак є саме тим етапом, на якому відбувається зменшення розмірності набору даних, адже якщо ми вирішимо залишити лише p головних компонент з n, то кінцевий набір даних матиме лише p вимірів.

Ми можемо звести матрицю з 2 компонентами до 1 компонента:

Нарешті, ми маємо головні компоненти і можемо трансформувати наші дані, тобто переорієнтувати дані з початкових осей на ті, що представлені головними компонентами. Це робиться дуже просто - множенням вектора ознак на стандартизовані дані (матриці мають бути переставлені):

Тест

З якого виміру в який було перенесено набір даних на зображенні?

question mark

Обрати правильний варіант.

Select the correct answer

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 4
some-alt