Principal Component Analysis (PCA) / Phân tích Thành phần Chính

📖 Principal Component Analysis (PCA)

Definition (English):

PCA is a dimensionality reduction technique that transforms high-dimensional data into a lower-dimensional space while preserving maximum variance. It identifies orthogonal principal components (linear combinations of original features) ranked by explained variance. PCA is used for data visualization, noise reduction, feature extraction, and preprocessing for other ML algorithms. It assumes linear relationships between features.

📖 Phân tích Thành phần Chính

Định nghĩa (Tiếng Việt):

PCA là kỹ thuật giảm chiều biến đổi dữ liệu nhiều chiều thành không gian chiều thấp hơn trong khi bảo toàn phương sai tối đa. Nó xác định các thành phần chính trực giao (tổ hợp tuyến tính của đặc trưng gốc) xếp theo phương sai giải thích. PCA được sử dụng cho trực quan hóa dữ liệu, giảm nhiễu, trích xuất đặc trưng và tiền xử lý cho các thuật toán ML khác. Nó giả định mối quan hệ tuyến tính giữa các đặc trưng.

📂 Phân loại: Algorithms