Простой способ понять анализ основных компонентов (АПК) и его применение в машинном обучении. Данные - новая нефть. В каждой сфере жизни данные растут с каждым днем, порождая в себе огромное количество информации. Требуется извлечь только ту информацию, которую необходимо обработать, сохранив исходные признаки и уменьшив размер набора данных, что и делает PCA. Этот атрибут PCA в основном используется в машинном обучении, поскольку он уменьшает объем данных, обрабатываемых алгоритмами..

Анализ главных компонентов или PCA - очень эффективный метод уменьшения размерности данных. Данные с меньшим количеством измерений менее подвержены переобучению, увеличивают скорость алгоритма машинного обучения и, что наиболее важно, помогают визуализировать 2- или 3-мерную проекцию многомерного набора данных. Ниже приведен пример 2D-проекции набора данных scikit-learn Wine, имеющего 13 функций и 3 выходных класса. Из этой визуализации мы можем получить хорошее представление о..