Glavne komponente imajo različne uporabne lastnosti (Rao 1964; Kshirsagar 1972): Lastni vektorji so pravokotni, zato glavne komponente predstavljajo skupaj pravokotne smeri skozi prostor prvotnih spremenljivk. Rezultati glavne komponente so skupaj nepovezani
Ali so glavne komponente povezane?
Analiza glavnih komponent temelji na korelacijski matriki vključenih spremenljivk, korelacije običajno potrebujejo veliko velikost vzorca, preden se stabilizirajo.
Ali so komponente PCA neodvisne?
PCA projicira podatke v nov prostor, ki ga zajemajo glavne komponente (PC), ki niso korelirane in pravokotne. Računalniki lahko uspešno izluščijo ustrezne informacije iz podatkov. … Te komponente so statistično neodvisne, t.j. med komponentami ni prekrivajočih se informacij.
Ali je glavna komponenta edinstvena?
Potem v 1-dimenzionalnem PCA najdemo črto, da povečamo varianco projekcije dvodimenzionalnih podatkov na to črto. … Ta vrstica ni edinstvena, če imajo 2D podatki rotacijsko simetrijo, zato obstaja več kot ena vrstica, ki daje enako največjo varianco v projekciji.
Ali so glavne komponente ortogonalne?
Glavne komponente so lastni vektorji kovariančne matrike, zato so ortogonalni. Pomembno je, da je treba nabor podatkov, na katerem se uporablja tehnika PCA, prilagoditi. Rezultati so občutljivi tudi na relativno skaliranje.
