Komponenty główne mają wiele użytecznych właściwości (Rao 1964; Kshirsagar 1972): Wektory własne są ortogonalne, więc główne komponenty reprezentują wspólnie prostopadłe kierunki w przestrzeni pierwotnych zmiennych. Wyniki głównych składowych są łącznie nieskorelowane
Czy główne składniki są skorelowane?
Analiza głównych składowych jest oparta na macierzy korelacji zaangażowanych zmiennych, a korelacje zwykle wymagają dużej próby, zanim się ustabilizują.
Czy komponenty PCA są niezależne?
PCA wyświetla dane w nowej przestrzeni obejmującej główne komponenty (PC), które są nieskorelowane i ortogonalne. Komputery PC mogą z powodzeniem wydobywać z danych odpowiednie informacje. … Te komponenty są statystycznie niezależne, tj. nie ma nakładających się informacji między komponentami.
Czy główny składnik jest unikalny?
Następnie w jednowymiarowym PCA znajdujemy linię, która maksymalizuje wariancję rzutowania danych dwuwymiarowych na tę linię. … Ta linia nie jest wyjątkowa, gdy dane 2D mają symetrię obrotową, więc istnieje więcej niż jedna linia, która daje tę samą maksymalną wariancję w rzucie.
Czy główne komponenty są ortogonalne?
Głównymi składowymi są wektory własne macierzy kowariancji, a zatem są one ortogonalne. Co ważne, zbiór danych, na którym ma być zastosowana technika PCA, musi być skalowany. Wyniki są również wrażliwe na skalowanie względne.
