Информация о работе
Подробнее о работе
Метод главных компонент, примеры практического использования при мультиколлинеарности факторов
- 13 страниц
- 2022 год
- 7 просмотров
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Идея метода Главных Компонент (англ. Principal Components Analysis, PCA) была предложена в 1901 г. К. Пирсоном (англ. Karl Pearson) [10], затем его формулировка была уточнена в 1933 г. Г. Хотеллингом (англ. Harold Hotelling) [8], до используемой сегодня. И сейчас PCA является наиболее часто применимым способом уменьшения размерности данных при наименьшей потере количества информации. При наличии мультиколлинеарности необходимо выполнить переход от связанных тесной корреляционной зависимостью исходных объясняющих переменных к новым переменным – главным компонентам вектора исходных объясняющих переменных, являющихся линейными комбинациями исходных. В основе процедуры вычисления главных компонент лежит вычисление собственных значений и соответствующих им собственных векторов ковариационной матрицы данных или ее сингулярное разложение [4, С. 108-100].
нет
Идея классического или линейного PCA была сформулирована Пирсоном, который заложил концептуальную основу для метода главных компонент, формализовав метод определения линий и плоскостей в многомерном пространстве, наиболее точно соответствующие заданному набору точек.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
