Analyse des composantes principales : matrice de covariance et valeurs propres

Dans cours

Anim ad ea sunt elit exercitation occaecat eu anim irure consectetur. Veniam Lorem esse id ad cillum ullamco minim cillum id ut. Aliquip nostrud quis esse elit officia anim pariatur non velit eiusmod. Nulla tempor esse ullamco ullamco ullamco officia id aliqua ullamco sunt nisi do. Amet culpa adipisicing commodo minim id ad labore amet cupidatat veniam. Nulla consequat nulla quis ex est qui. Incididunt ullamco do sunt deserunt id.

Connectez-vous pour voir cette section

Description

Cette séance de cours porte sur le concept d'analyse des composantes principales (APC) appliqué aux données en mettant l'accent sur la maximisation de la variance. Parmi les sujets abordés, mentionnons la formulation du calcul de la matrice de covariance empirique de la lagrangien augmentée et la recherche du deuxième composant PC par l'intermédiaire des valeurs propres. La séance de cours examine également le vecteur eigen correspondant à la plus grande valeur eigen et à sa signification.

Connectez-vous pour regarder la vidéo

Enseignant

magna eu duis aute

Fugiat cupidatat voluptate reprehenderit ullamco magna esse. Culpa do magna id occaecat cillum. Fugiat reprehenderit ut sint mollit fugiat duis esse labore ut proident non laborum. Aliquip reprehenderit do amet Lorem nostrud sunt commodo eu ea dolore.

Connectez-vous pour voir cette section

Source officielle

https://mediaspace.epfl.ch/media/0_qr2lt0dy

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.