Análise de Componentes Principais (PCA)

A Análise de Componentes Principais é uma técnica de aprendizado não supervisionado usada em machine learning para redução de dimensionalidade. Por meio da mesma transformação, é um processo estatístico que converte observações de características correlacionadas em um conjunto de dados linearmente não correlacionados. Os Componentes Principais são essas novas características transformadas. Esta é uma das ferramentas frequentemente utilizadas para análise exploratória de dados e modelagem preditiva. É um método para identificar padrões significativos no conjunto de dados fornecido, reduzindo as variâncias. O PCA frequentemente busca a superfície com a menor dimensionalidade ao projetar os dados de alta dimensão. O PCA leva em consideração a variância de cada característica, pois uma alta variância indica uma forte separação entre grupos, o que reduz a dimensionalidade.