Deutsch
Menü

Was ist Hauptkomponentenanalyse (PCA)?

Ein Verfahren der Dimensionsreduktion, das Daten mit vielen Variablen durch weniger Variablen darstellt und dabei möglichst wenig Information verliert. Es nimmt die Richtung der größten Varianz der Daten als erste Hauptkomponente, die Richtung der größten Varianz senkrecht dazu als zweite usw. und stellt die Daten nur mit den ersten Komponenten dar. Mathematisch entspricht das der Bestimmung der Eigenvektoren der Kovarianzmatrix der Daten. Eingesetzt wird es zur Visualisierung von Daten, zur Rauschunterdrückung und zur Vorverarbeitung vor dem Training.

Japanische Bezeichnung: 主成分分析(PCA)

„Hauptkomponentenanalyse (PCA)“ kommt in 1 Übungsfragen aus 1 Themen vor, z. B. Grundlagen des maschinellen Lernens.

Fachgebiet: Grundlagen des maschinellen Lernens

Jetzt üben: Fragen zu Hauptkomponentenanalyse (PCA)

Welche Beschreibung der Hauptkomponentenanalyse (PCA) trifft zu?

  1. AMan wählt die wenigen Merkmale aus, die die Labels am besten vorhersagen, und verwirft alle anderen Merkmale, um die Daten zu verkleinern
  2. BMan teilt die Daten in eine vorab festgelegte Zahl von Gruppen ein, sodass ähnliche Elemente in dieselbe Gruppe kommen
  3. CMan bestimmt nacheinander neue, zueinander orthogonale Achsen, beginnend mit der Richtung, in der die Streuung (Varianz) der Daten am größten ist, und stellt die Daten mit wenigen Achsen dar
Antwort und Erläuterung anzeigen

Antwort: C. Man bestimmt nacheinander neue, zueinander orthogonale Achsen, beginnend mit der Richtung, in der die Streuung (Varianz) der Daten am größten ist, und stellt die Daten mit wenigen Achsen dar

Die Hauptkomponentenanalyse ist ein typisches Verfahren der Dimensionsreduktion, das Daten mit vielen Variablen durch weniger Variablen darstellt und dabei möglichst wenig Information verliert. Sie bestimmt nacheinander die Richtung der größten Varianz der Daten als erste Hauptkomponente, die Richtung der größten Varianz senkrecht dazu als zweite Hauptkomponente usw. und stellt die Daten nur mit den ersten Komponenten dar. Sie ist ein Verfahren für unüberwachtes Lernen ohne Labels und wird zur Visualisierung von Daten und zur Vorverarbeitung vor dem Training verwendet. Haben die Variablen unterschiedliche Einheiten oder Größenordnungen, wird das Ergebnis zu den Variablen mit großen Werten hingezogen; die Daten werden daher oft vorher standardisiert.

„Hauptkomponentenanalyse (PCA)“ in den Erläuterungen

Fragen mit „Hauptkomponentenanalyse (PCA)“ (1)

  1. Welche Beschreibung der Hauptkomponentenanalyse (PCA) trifft zu?

Verwandte Begriffe

Unüberwachtes Lernen (Unsupervised Learning) Aktivierungsfunktion Bestärkendes Lernen (Reinforcement Learning) Convolutional Neural Network (CNN) Gradientenabstieg (Gradient Descent) k-Means-Algorithmus Konfusionsmatrix (Wahrheitsmatrix) Kreuzvalidierung Precision und Recall Regularisierung

Zur Glossarübersicht