Análisis del componente principal
De Wikipedia, la enciclopedia libre
En estadística, el Análisis del Componente Principal (ACP) (en inglés, PCA) es una técnica utilizada para reducir la dimensionalidad de un conjunto de datos.
Ampliamente utilizada en procesamiento de señales, el ACP es una transformación lineal que escoge un nuevo sistema de coordenadas para el conjunto original de datos en el cual la varianza de mayor tamaño del conjunto de datos es capturada en el primer eje (llamado el Primer Componente Principal), la segunda varianza más grande es el segundo eje, y así sucesivamente.
Una de las ventajas de ACP para reducir la dimensionalidad de un grupo de datos, es que retiene aquellas características del conjunto de datos que contribuyen más a su varianza, manteniendo un orden de bajo nivel de los componentes principales e ignorando los de alto nivel. El objetivo es que esos componentes de bajo orden a veces contienen el "más importante" aspecto de esa información.
