经系统检测,您当前使用的浏览器可能不符合交互需求。

为获得更好的交互体验,推荐您使用以下浏览器。

Firefox

点击下载

Chrome

点击下载

返回
PCA分析

PCA分析(Principal Component Analysis),是一种对数据集进行简化分析的技术。PCA运用了方差分解,对多维数据进行降维,去除噪音和冗余,揭示隐藏在复杂数据背后的最主要的元素和结构。

应用PCA分析,能够提取出最大程度反映样本间差异的两个坐标轴,从而将多维数据的差异反映在二维坐标图上,坐标轴取能够反映方差贡献的最大特征。样本数量越多,分析意义越大。如样本的组成越相似,则它们在PCA图中的距离越接近。PCA分析能够反映样本间分散或聚集的分布情况,从而判断样本组成是否具有相似性。

利用PCA分析解决大数据分析面临的三大难题:

1、通过降低维度解决高维度难题

2、降低维度既可以有效去除冗余数据,又保证特征信息损失最小化

3、降维后的数据可进行可视化展示,便于解读大数据中的有效信息


微信扫一扫

//统计代码