Hoofkomponente het 'n verskeidenheid nuttige eienskappe (Rao 1964; Kshirsagar 1972): Die eievektore is ortogonaal, dus verteenwoordig die hoofkomponente gesamentlik loodregte rigtings deur die ruimte van die oorspronklike veranderlikes. Die hoofkomponenttellings is gesamentlik ongekorreleerd
Is hoofkomponente gekorreleer?
Hoofkomponent-analise is gebaseer op die korrelasiematriks van die betrokke veranderlikes, en korrelasies benodig gewoonlik 'n groot steekproefgrootte voordat hulle stabiliseer.
Is PCA-komponente onafhanklik?
PCA projekteer die data in 'n nuwe ruimte wat deur die hoofkomponente (PC) gespan word, wat ongekorreleerd en ortogonaal is. Die rekenaars kan relevante inligting suksesvol in die data onttrek. … Hierdie komponente is statisties onafhanklik, dit wil sê daar is geen oorvleuelende inligting tussen die komponente nie.
Is hoofkomponent uniek?
Dan vind ons in 1 dimensionele PCA 'n lyn om die variansie van die projeksie van die 2 dimensionele data op daardie lyn te maksimeer. … Hierdie lyn is nie uniek wanneer die 2D-data rotasiesimmetrie het nie, dus is daar meer as een lyne wat dieselfde maksimum variansie in die projeksie gee.
Is hoofkomponente ortogonaal?
Die hoofkomponente is die eigenvektore van 'n kovariansiematriks, en daarom is hulle ortogonaal. Dit is belangrik dat die datastel waarop PCA-tegniek gebruik gaan word, geskaal moet word. Die resultate is ook sensitief vir die relatiewe skaal.