Análise de componentes principais: diferenças entre revisões
Conteúdo apagado Conteúdo adicionado
Removi a parte de matriz de correlação, porque não necessariamente uma matriz de covariância é igual a uma matriz de correlação. Elas só serão iguais quando a média dos dados for nula. |
Substituição de Predefinição:Cite doi. Ver Predefinição_Discussão:Cite_doi#Depreciar |
||
Linha 237:
=== Robustez - PCA com pesos ===
Apesar do PCA encontrar o método matematicamente ótimo (no sentido de minimizar o erro quadrático), ele é sensível a ''[[outlier]]s'' nos dados, que produzem grandes erros que o PCA tenta evitar. Portanto, é de praxe remover os ''outliers'' ao calcular o PCA. No entanto, em alguns contextos, os ''outliers'' podem ser difíceis de se identificar de antemão. Por exemplo, em algoritmos de [[mineração de dados]] como ''[[:en:correlation clustering]]'', a atribuição de pontos a clusters e ''outliers'' não é conhecida de antemão. Uma generalização proposta recentemente de PCA <ref>{{
== Ver também ==
|