Python Data Science

Rozdział 45. Dogłębne spojrzenie — analiza głównych składowych

Dotychczas przyglądaliśmy się szczegółom estymatorów z grupy metod uczenia nadzorowanego, czyli estymatorom przewidującym etykiety na podstawie etykietowanych danych uczących. W tym rozdziale rozpoczniemy przegląd kilku estymatorów z grupy metod uczenia nienadzorowanego, które potrafią uwypuklić interesujące aspekty danych bez odniesienia do jakichkolwiek znanych etykiet.

W tym rozdziale przyjrzymy się jednemu z najpopularniejszych algorytmów uczenia nienadzorowanego, jakim jest analiza głównych składowych (ang. principal component analysis, PCA). PCA jest przede wszystkim algorytmem redukcji wymiarowości, ale można ją również wykorzystać m.in. do wizualizacji, filtrowania szumów ...