Что такое метод главных компонент

Метод главных компонент (PCA) — это техника уменьшения размерности данных, которая преобразует признаки в новый набор ортогональных компонент, упорядоченных по убыванию дисперсии. PCA помогает снизить шум, убрать корреляции между признаками и визуализировать данные.

Пример с кодом (Python, scikit-learn):

from sklearn.decomposition import PCA
import numpy as np

# Пример данных
X = np.array([[1, 2], [3, 4], [5, 6]])

# Применение PCA с 1 компонентой
pca = PCA(n_components=1)
X_transformed = pca.fit_transform(X)

print(X_transformed)

Ключевые моменты:

• Компоненты — линейные комбинации исходных признаков.
• Первая компонента объясняет максимальную дисперсию.
• Перед PCA данные обычно стандартизируют (mean=0, std=1).