تحلیل مولفه های اصلی یا PCA ، روشی برای کاهش ابعاد است که غالباً برای کاهش دادن ابعادی مجموعه داده های بزرگ ، با تبدیل یک مجموعه بزرگ از متغیرها به یک متغیر کوچک تر که هنوز هم حاوی بیشتر اطلاعات مجموعه بزرگ است ، استفاده می شود.
کاهش تعداد متغیرهای یک مجموعه داده به طور طبیعی منجر به کاهش دقت آن می شود ، اما شگرد کاهش ابعاد این است که کمی دقت را برای ساده سازی مجموعه کاهش دهید. زیرا تجزیه و تحلیل و تجسم داده های مجموعه داده های کوچک تر بدون پردازش متغیرهای اضافی برای الگوریتم های یادگیری ماشین ، آسان تر و سریع تر است.
بنابراین به طور خلاصه ، ایده PCA ساده است – ضمن حفظ هرچه بیشتر اطلاعات ، تعداد متغیرهای یک مجموعه داده را کاهش دهید.
در این ویدیو، نحوه اجرا PCA را به صورت گام به گام و با توضیحات کامل فرا می گیرید. برای دریافت اطلاعات بیشتر در مورد کاهش ابعاد با روش PCA می توانید این مقاله را مطالعه کنید.