Welke beschrijving van hoofdcomponentenanalyse (PCA) is juist?

Antwoord: C. Achtereenvolgens nieuwe, onderling orthogonale assen bepalen, te beginnen met de richting waarin de spreiding (variantie) van de gegevens het grootst is, en de gegevens met weinig assen weergeven

Hoofdcomponentenanalyse is een typische methode voor dimensiereductie die gegevens met veel variabelen met minder variabelen weergeeft en daarbij zo weinig mogelijk informatie verliest. Ze bepaalt achtereenvolgens de richting met de grootste variantie in de gegevens als eerste hoofdcomponent, de richting met de grootste variantie loodrecht daarop als tweede hoofdcomponent enzovoort, en geeft de gegevens weer met alleen de eerste componenten. Het is een vorm van ongesuperviseerd leren die geen labels gebruikt, en ze wordt gebruikt om gegevens te visualiseren en als voorbewerking vóór het trainen. Als de variabelen verschillende eenheden of ordes van grootte hebben, wordt het resultaat naar de variabelen met grote waarden getrokken; daarom worden de gegevens vaak eerst gestandaardiseerd.