Séance de cours

Analyse des composantes principales : réduction de la dimensionnalité

Description

Cette séance de cours présente l'analyse des composantes principales (APC) comme méthode de réduction de dimensionnalité. Il couvre les concepts de projection de données à haute dimension sur des sous-espaces à basse dimension pour trouver des modèles et des clusters. Les limites de l'APC, les applications dans la compression des données, la dénigrement et la régression sont discutées. La séance de cours explore également le Wine Dataset et montre comment PCA peut être utilisé pour la visualisation et les sous-espaces linéaires. L'importance de choisir le bon nombre de composantes principales de l'APC et de la régression des composantes principales est soulignée.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.