Phân tích thành phần chính (PCA) là một kỹ thuật thống kê được dùng trong kỹ thuật để giảm độ nghiêng của các bộ dữ liệu trong khi bảo tồn hầu hết các biến thể.

Hiểu được PCA trong ngành kỹ thuật

PCA biến đổi biến gốc thành biến số untor liên quan mới được gọi là thành phần chính. Những thành phần này được đặt để những thành phần đầu còn lại hầu hết các biến thể trong dữ liệu gốc. Các kỹ sư dùng PCA để nén dữ liệu, giảm nhiễu và tính năng chiết xuất.

Tính toán PCA từng bước một

Tiến trình này bao gồm một số bước then chốt:

  • Tiêu chuẩn hóa: chuẩn hóa dữ liệu để có một số không và độ lệch chuẩn của một.
  • Tính toán ma trận tương tự: Tính toán ma trận covariance để hiểu các mối quan hệ biến.
  • Giá trị eigen và Eigenvetor: ) Tìm giá trị điện tử và các tác nhân của ma trận covariation.
  • Thành phần ponconpal được chọn: ) Chọn thành phần có giá trị cao nhất.
  • Projection: Biến dữ liệu gốc thành các thành phần chính đã chọn.

Quan tâm đến thiết kế

Khi áp dụng PCA trong thiết kế kỹ thuật, hãy xem xét những điều sau:

  • [FLT: 0] Chất lượngta:) Dữ liệu bảo mật là chính xác và đại diện cho hệ thống.
  • Thành phần:) cân bằng giữa giảm dữ liệu và mất thông tin.
  • Khả năng truy cập: [FLT: 1] Chọn các thành phần có ý nghĩa cho ứng dụng đặc biệt.
  • Tài nguyên tổng hợp:[FLT: 1] máy tính có thể được tính toán tích cực cho tập dữ liệu lớn.