1Diapositiva 12

Apuntes

[Diapositiva 7] 2.1 Métodos de proyección lineal 2.1.2 Visualización de componentes principales ¿Qué es el PCA? El PCA ( Análisis de Componentes Principales ) es una técnica para reducir el número de características (dimensiones) en un conjunto de datos, conservando la mayor varianza (información) posible. Analogía Una habitación desordenada llena de cajas (cada una representa una característica). El PCA ayuda a organizarla, manteniendo las cajas más importantes y eliminando las que aportan poco. [Diapositiva 8] 2.1 Métodos de proyección lineal 2.1.2 Visualización de componentes principales ¿Cómo funciona el PCA? Pasos clave: Estandarizar datos: Escalar características para media = 0 y desviación = 1. Calcular componentes: Encontrar direcciones de máxima varianza ( autovectores ). Proyectar datos: Transformar los datos originales a los nuevos ejes (componentes). Resultado: Componentes principales: Combinaciones lineales de las características originales. Ventaja: Reduce dimensionalidad sin perder patrones esenciales. [Diapositiva 9] 2.1 Métodos de proyección lineal 2.1.2 Visualización de componentes principales Matemática detrás del PCA [Diapositiva 10] 2.1 Métodos de proye...